HNNDTA

混合神经网络方法预测药物靶标...

阿尔茨海默病（AD）是一种主要影响老年人的神经退行性疾病。最近研究发现，sigma-1受体（S1R）激动剂可以维持内质网应激稳态，减少神经元凋亡，增强线粒体功能和自噬，使S1R成为治疗AD的靶点。传统实验方法成本高、效率低，需开发快速准确的预测方法，而药物再利用为AD治疗提供了新的途径和选择。在本文中，我们提出了一种用于药物 - 靶标亲和力（DTA）预测的混合神经网络HNNDTA，以促进药物再利用用于AD治疗。该研究结合蛋白质-蛋白质相互作用（PPI）网络分析，HNNDTA模型和分子对接来寻找AD的潜在线索。利用13个药物编码网络和9个靶点编码网络构建HNNDTA模型，以2506个FDA批准药物作为S1R及其相关蛋白的候选药物库。利用HNNDTA模型的网络药理学和DTA预测结果，鉴定出7种潜在药物。进一步利用AutoDock Vina工具进行分子对接模拟，筛选出氟哌啶醇和溴哌啶醇作为治疗AD的先导化合物。吸收、分布、代谢、排泄和毒性（ADMET）评价结果表明，这两种化合物均具有良好的药代动力学性质，且几乎无毒。该研究提出了一种新的计算机辅助药物设计方法，该方法更快、更经济，并能提高新药化合物的命中率。本研究结果为AD治疗提供了新的先导化合物，由于其多靶点作用，可能有效。HNNDTA可在https://github.com/lizhj39/HNNDTA免费获取。