利用机器学习开发对鞘氨醇-1-磷酸受体 1 具有增强结合亲和力的新型配体
机器学习
2023-08-01 v1
摘要
多发性硬化症（MS）是一种影响美国近百万人的衰弱性神经疾病。鞘氨醇-1-磷酸受体 1（S1PR1）是 MS 的一个蛋白质靶点。Siponimod 作为 S1PR1 的配体于 2019 年获 FDA 批准用于 MS 治疗，但仍有对更优疗法的明确需求。为此，我们微调了一个将化学式转换为数学向量的自编码器机器学习模型，并基于 siponimod 生成了超过 500 个分子变体，其中 25 个化合物对 S1PR1 的预测结合亲和力更高。该模型在不到一小时内即生成这些配体。对这些化合物的筛选导致了六个具有良好类药性质和易于合成的 promising 候选物的发现。此外，通过分析这些配体的结合相互作用，我们揭示了若干有助于对 S1PR1 高结合亲和力的化学性质。本研究表明机器学习可加速药物发现过程并揭示蛋白质-药物相互作用的新见解。
引用
@article{arxiv.2307.16037,
title = {Developing novel ligands with enhanced binding affinity for the sphingosine 1-phosphate receptor 1 using machine learning},
author = {Colin Zhang and Yang Ha},
journal= {arXiv preprint arXiv:2307.16037},
year = {2023}
}
备注
10 pages, 6 figures, 2 tables