AI-Aided Design of Novel Targeted Covalent Inhibitors against SARS-CoV-2.
AI-Aided Design of Novel Targeted Covalent Inhibitors against SARS-CoV-2.
复制标题
人工智能辅助设计新型SARS-CoV-2靶向共价抑制剂
DOI：
10.3390/biom12060746
复制
发表时间：
2022-05-25
期刊：
影响因子：
5.5
通讯作者：
中科院分区：
文献类型：
--
作者：
已知的已批准药物(如洛匹那韦/利托那韦)的药物再利用未能治疗感染SARS-CoV-2的患者。因此，产生新的化学物质来对抗这种病毒是很重要的。作为冠状病毒生命周期中的关键酶，类3C主酶(3CLPro或MPRO)是抗病毒药物设计中最具吸引力的靶点。基于最近解决的结构(PDB ID：6LU7)，我们开发了一种新型的基于片段的深度Q学习网络(ADQN-FBDD)，用于生成针对SARS-CoV-2 3CLPro的潜在先导化合物。基于我们的基于结构的优化策略(SBOP)，我们从先导化合物中得到了一系列的衍生物。所有用我们的AI模型直接获得的47个先导化合物和基于SBOP的相关衍生物都可以在我们的分子库中访问。这些化合物可被研究人员用作开发抗SARS-CoV-2药物的潜在候选者。
The drug repurposing of known approved drugs (e.g., lopinavir/ritonavir) has failed to treat SARS-CoV-2-infected patients. Therefore, it is important to generate new chemical entities against this virus. As a critical enzyme in the lifecycle of the coronavirus, the 3C-like main protease (3CLpro or Mpro) is the most attractive target for antiviral drug design. Based on a recently solved structure (PDB ID: 6LU7), we developed a novel advanced deep Q-learning network with a fragment-based drug design (ADQN–FBDD) for generating potential lead compounds targeting SARS-CoV-2 3CLpro. We obtained a series of derivatives from the lead compounds based on our structure-based optimization policy (SBOP). All of the 47 lead compounds obtained directly with our AI model and related derivatives based on the SBOP are accessible in our molecular library. These compounds can be used as potential candidates by researchers to develop drugs against SARS-CoV-2.
登录
查看更多内容
影响因子：
21.8
作者：
通讯作者：
--
影响因子：
28.3
作者：
Gorbalenya, Alexander E.;Baker, Susan C.;Ziebuhr, John
通讯作者：
Ziebuhr, John
影响因子：
5.6
作者：
Grisoni, Francesca;Moret, Michael;Schneider, Gisbert
通讯作者：
Schneider, Gisbert
冠状病毒和Picornavirus主要蛋白酶的个体和常见抑制剂。
影响因子：
3.5
作者：
Kuo CJ;Liu HG;Lo YK;Seong CM;Lee KI;Jung YS;Liang PH
通讯作者：
Liang PH
影响因子：
3.5
作者：
Ramajayam R;Tan KP;Liu HG;Liang PH
通讯作者：
Liang PH