Integrated XGBoost-Based Virtual Screening and Molecular Dynamics Simulation for the Identification of Potential CCR5 Antagonists
Diese Studie identifiziert FDB020301 durch die Integration von XGBoost-basiertem virtuellen Screening, ADMET-Profiling, molekularem Docking und Molekulardynamik-Simulationen als vielversprechenden Anti-HIV-Leitstoff der nächsten Generation, um dessen überlegene Bindungsaffinität und Stabilität gegenüber dem CCR5-Rezeptor im Vergleich zum klinischen Medikament Maraviroc zu demonstrieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das Humane Immundefizienz-Virus, oder HIV, bleibt eine beständige globale gesundheitliche Herausforderung, die eine ständige Suche nach neuen Wegen erfordert, um den Virus daran zu hindern, menschliche Zellen zu infizieren. Der Virus dringt nicht von selbst in Zellen ein; er benötigt einen spezifischen Satz an Schlüsseln, um die Tür zu entriegeln. Einer der wichtigsten Schlüssel ist ein Protein auf der Oberfläche von Immunzellen, der sogenannte CCR5-Rezeptor. Wenn das Virus an diesen Rezeptor bindet, erhält es Zugang und beginnt sich zu replizieren. Wissenschaftler wissen seit langem, dass das Blockieren dieses Rezeptors die Infektion stoppen kann, und ein Medikament namens Maraviroc wurde entwickelt, um genau dies zu tun. Doch wie viele Behandlungen kann das Virus schließlich lernen, diese Blockade zu umgehen, und das Medikament wirkt nicht bei jedem HIV-Stamm. Diese Realität treibt Forscher dazu, an neue, stärkere Blocker zu suchen, die den Virus überlisten und die Immunzellen schützen können.
Um diese neuen Blocker zu finden, ohne Jahre damit zu verbringen, tausende Chemikalien im Labor zu testen, wandte ein Forscherteam der Kakatiya University in Indien die Kraft der Computer an. Sie kombinierten zwei leistungsstarke Ansätze: maschinelles Lernen, eine Art künstliche Intelligenz, die Muster aus Daten lernt, und Molekularsimulation, die wie ein Hochgeschwindigkeitsfilm wirkt, der zeigt, wie sich Moleküle bewegen und aneinander haften. Ihr Ziel war es, eine riesige Bibliothek lebensmittelbasierter Chemikalien zu durchsuchen, um einige vielversprechende Kandidaten zu finden, die fest an den CCR5-Rezeptor binden und ihn ausschalten könnten. Durch die Verwendung eines Computermodells, das mit bekannten aktiven und inaktiven Medikamenten trainiert wurde, verengten sie eine Liste von fast siebzigtausend Verbindungen auf nur eine Handvoll Top-Anwärter und identifizierten schließlich ein Molekül, das in ihren digitalen Tests außergewöhnliches Potenzial zeigte.
Die Forscher begannen ihre Suche mit einer riesigen Sammlung chemischer Strukturen namens FooDB, die Informationen über mehr als siebzigtausend Verbindungen aus Lebensmitteln enthält. Zuerst verwendeten sie ein Werkzeug des maschinellen Lernens namens XGBoost, um vorherzusagen, welche dieser Chemikalien in der Lage sein könnten, den CCR5-Rezeptor zu stoppen. Dieses Werkzeug war mit einem Datensatz von über dreizehntausend bekannten Chemikalien trainiert worden und hatte gelernt, zwischen jenen zu unterscheiden, die den Rezeptor erfolgreich blockierten, und jenen, die dies nicht taten. Als das Team die Lebensmitteldatenbank in dieses trainierte Modell einspeiste, markierte der Computer über zehntausend Verbindungen als potenziell aktiv. Um die Liste handhabbar zu machen, konzentrierten sie sich auf die zweitausend wahrscheinlichsten Kandidaten und überprüften sie anhand von Standardregeln für Arzneimittelsicherheit und Absorption. Dieser Prozess, bekannt als Filterung der Arzneimittelähnlichkeit (drug-likeness), stellte sicher, dass die Chemikalien klein genug waren und die richtige chemische Balance besaßen, um vom menschlichen Körper aufgenommen zu werden, falls sie als Tablette eingenommen würden.
Nach diesem ersten Screening wandte das Team eine zweite Ebene von Prüfungen an, um vorherzusagen, wie sich die Chemikalien im menschlichen Körper verhalten würden. Sie suchten nach Anzeichen von Toxizität, wie etwa dem Potenzial, Krebs zu verursachen oder das Herz zu schädigen, und prüften, wie gut der Körper sie aufnehmen und verarbeiten würde. Nur elf Verbindungen bestanden all diese Sicherheits- und Absorptionshürden. Diese elf wurden einer detaillierten Computersimulation namens molekularem Docking unterzogen. In diesem Schritt platzierten die Forscher jede der elf Chemikalien in ein digitales Modell des CCR5-Rezeptors, um zu sehen, wie gut sie hineinpassten. Sie verglichen die Ergebnisse mit Maraviroc, dem aktuellen Standardmedikament. Eine Verbindung, identifiziert als FDB020301, stach sofort hervor. Sie passte mit einer Bindungsenergie von minus elf Komma vier Kilokalorien pro Mol in den Rezeptor, was ein Maß dafür ist, wie fest die beiden aneinanderhaften. Dieser Wert war stärker als der von Maraviroc, das einen Wert von minus zehn Komma fünf aufwies, was darauf hindeutete, dass FDB020301 möglicherweise sicherer festhält.
Um sicherzustellen, dass diese enge Passform nicht nur eine glückliche Momentaufnahme, sondern eine stabile Realität war, führten die Forscher eine zehn-Nanosekunden-Molekulardynamiksimulation durch. Dies ist ein Computerexperiment, das beobachtet, wie sich das Medikament und der Rezeptor über die Zeit bewegen und interagieren, wobei das ständige Zittern der Atome und das Vorhandensein von Wassermolekülen berücksichtigt werden. Die Simulation zeigte, dass der Komplex während der gesamten Laufzeit stabil blieb. Der Rezeptor verlor nicht seine Form und das Medikament blieb fest an seinem Platz und bildete Wasserstoffbrückenbindungen sowie andere Interaktionen mit spezifischen Teilen des Rezeptors, wie etwa den Aminosäuren TYR37 und GLN280. Die Forscher berechneten auch die Energie, die erforderlich ist, um das Medikament vom Rezeptor wegzuziehen, und fanden einen Wert von minus fünfunddreißig Komma neunzehn Kilokalorien pro Mol, was weiter bestätigte, dass die Bindung stark und energetisch günstig war.
Die Studie kommt zu dem Schluss, dass FDB020301 ein äußerst vielversprechender Kandidat für eine neue HIV-Behandlung ist, doch die Forscher weisen vorsichtig darauf hin, dass diese Ergebnisse nur innerhalb des Computers existieren. Das Molekül wurde noch nicht in einer lebenden Zelle oder einem menschlichen Körper getestet. Während die digitalen Beweise darauf hindeuten, dass es ein starker Blocker mit guten Sicherheitsprofilen ist, erfordern die nächsten Schritte tatsächliche Laborexperimente, um zu beweisen, dass es in der realen Welt gegen das Virus wirkt. Bis dahin dient diese Arbeit als kraftvoller Beweis dafür, wie moderne Computerwissenschaften den Weg für Wissenschaftler zu neuen Möglichkeiten ebnen und ein riesiges Meer an chemischen Daten in ein einziges, fokussiertes Ziel für zukünftige medizinische Durchbrüche verwandeln können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.