机构名称：
¥ 1.0
背景：在当前的 COVID-19 大流行中，由于缺乏批准的药物和可广泛获得的疫苗，重新利用现有药物对于快速开发治疗该疾病的方法至关重要。方法：在本研究中，我们使用由病毒蛋白序列和药物化学结构组成的数据集，用于已知药物-靶标相互作用 (DTI) 和人工生成的非相互作用 DTI，以训练具有预测新 DTI 能力的二元分类器。测试了随机森林 (RF)、深度神经网络 (DNN) 和卷积神经网络 (CNN)。选择 CNN 和 RF 模型执行分类任务。结果：这些模型对给定的 DTI 数据具有很好的泛化能力，并用于预测涉及 SARS-CoV-2 非结构蛋白 (NSP) 的 DTI。我们（使用 CNN）阐明了涉及 82 种 DTI 的 29 种药物，相互作用的概率为 97%，其中 44 种 DTI 的相互作用概率为 99%，可用于治疗 COVID-19。 RF 阐明了涉及 17 种 DTI 的 6 种药物，相互作用的概率为 90%。结论：这些结果为病毒蛋白的可能抑制剂提供了新的见解，超越了最近研究中使用的药效团模型和分子对接程序。
潜在的 SARS-CoV-2 非结构蛋白抑制剂
主要关键词
相关文件推荐
