《Sci Adv: 数学模型帮助筛选可用于治疗COVID19的药物》

  • 来源专题:生物安全知识资源中心 | 领域情报网
  • 编译者: hujm
  • 发布时间:2020-08-18
  • 最近一段时间内,研究人员和科学家一直在寻找多种治疗COVID-19的解决方案。

    在最近一项研究中,芝加哥大学普利兹克分子工程学院(PME)的研究人员使用了最先进的计算机模拟技术来识别可以快速解决这一全球流行病的现有药物。

    他们的发现发表在8月14日的《Science Advance》杂志上。

    2月初,由于大流行病的迅速发展,Juan de Pablo教授和他的学生利用他们的分子建模专业知识来帮助找到针对这种疾病的治疗方法。de Pablo解释说:“由于高通量筛选中考虑了大量的化合物,这些计算必须涉及许多简化,然后必须使用实验和更精细的计算来评估结果。”

    研究人员首先专注于发现目标病毒的弱点。他们选择了其主要蛋白酶:Mpro。 Mpro是一种重要的冠状病毒酶分子,在病毒的生命周期中起着至关重要的作用。它促进了病毒转录其RNA并在宿主细胞内复制其基因组的能力。

    Ebselen是一种有希望成为对抗Mpro武器的药物。 Ebselen是具有抗病毒,抗炎,抗氧化,杀菌和保护细胞特性的化合物。 Ebselen用于治疗多种疾病,包括双相情感障碍和听力下降。多项临床试验证明了其在人体中的安全性。

    de Pablo和他的学生着手开发酶和药物的详细模型。通过使用这些模型和复杂的超级计算机模拟,他们发现小的Ebselen分子能够以两种不同方式降低Mpro的活性。

    “除了在酶的催化位点结合外,Ebselen还与远处的位点牢固结合,后者依靠一种将信息从大分子的一个区域携带到另一区域的机制来干扰酶的催化功能。通过微妙的结构重组来摆脱它。”

    这一发现特别重要,因为它有助于解释Ebselen作为再利用药物的潜在功效,并且揭示了该病毒的一个新漏洞,该漏洞以前不为人所知,可用于开发针对COVID-19的新治疗策略。

    该研究小组发现了两个结合位点,有望使Ebselen成为设计和开发新型Mpro抑制剂和COVID-19治疗药物的新药。Pablo说:“蛋白酶是病毒中许多蛋白质的一种,我们正在系统地研究与病毒功能有关的其它蛋白质,并研究其脆弱性及其对多种药物的反应。”

  • 原文来源:https://medicalxpress.com/news/2020-08-preexisting-drug-covid-.html;https://advances.sciencemag.org/content/early/2020/08/14/sciadv.abd0345;http://news.bioon.com/article/6777259.html
相关报告
  • 《Heliyon:机器学习帮助寻找治疗COVID19的药物》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-08-14
    • 最近一项研究中,加州大学里弗赛德分校的科学家使用机器学习来识别数百种可能有助于治疗COVID-19的新药。 负责这项研究的分子细胞和系统生物学教授Anandasankar Ray说:“鉴于目前迫切需要找到治疗或预防COVID-19的有效药物。我们已经开发了一种药物发现管线,可以识别出多种候选药物。” 药物发现流程是与人工智能相关的一种计算策略,这是一种计算机算法,可以通过反复试验来预测活动,并随着时间的流逝而不断改进。 研究生Joel Kowalewski使用了少量先前已知的65种人类蛋白质配体,并且为每种人类蛋白质生成了机器学习模型。这些配体已知会与SARS-CoV-2蛋白质发生相互作用。Kowalewski说:“这些模型经过训练,可以从其3-D结构中识别出新的小分子抑制剂和活化剂。” Kowalewski说:“ 65种蛋白质的靶标非常多样化,并且还涉及许多其他疾病,包括癌症。除了针对这些目标而进行的努力外,我们还对确定目前尚未得到充分研究的新型化学物质感兴趣。” Ray和Kowalewski使用他们的机器学习模型从2亿种化学物质的数据库中筛选出超过1000万种可商购的小分子,并确定了与SARS-CoV-2蛋白质相互作用的65种人类蛋白质的同类最佳产品。 Ray和Kowalewski认为,与传统的依赖细胞培养的测定方法相比,其昂贵的方法且可能需要数年的测试时间,因此它们用于大量化学物质初步筛选的计算策略具有优势。“我们的数据库可作为一种资源,用于快速识别和测试针对COVID-19和其他与相同65种靶蛋白有关的其他疾病的新颖,安全的治疗策略。” “虽然COVID-19疫情是我们开发这一筛选平台的最初动力,但我们希望我们对超过1000万种化学药品的预测将在与许多其他疾病的斗争中加速药物研发。”
  • 《伦敦卫生与热带医学院基于数学模型预测表明封锁措施等非药物干预对减少英国COVID-19病例、死亡人数和减轻医疗卫生需求具有重大意义》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-06-15
    • 6月2日,Lancet发表了题为“Effects of non-pharmaceutical interventions on COVID-19 cases, deaths, and demand for hospital services in the UK: a modelling study”的文章。 英国已实施非药物干预,以减少SARS-CoV-2的传播。预测未传染流行病的规模和不同控制措施的潜在影响,对于在流行病早期阶段支持循证决策至关重要。本研究评估了英国不同控制措施对减轻COVID-19防控负担的潜在影响。 文章使用了一个随机年龄结构的传播模型来探索一系列干预方案,跟踪英格兰、威尔士、苏格兰和北爱尔兰186个县级行政单位的6640万人口。模拟的四个基本干预措施是:关闭学校、社交疏远、保护70岁或以上人群,以及有症状病例的自我隔离。还模拟了这些干预措施的组合,以及一个具有阶段性封锁式限制的聚集干预方案,这些限制措施限制在家庭以外进行反复接触。文章模拟了引入干预措施的不同触发因素,并估计了不同县对干预措施依从性的影响。对于每种情况,文章预计了随着时间的推移新病例、需要住院和重症监护的病人治疗和死亡人数,并比较每种干预措施对基本生殖数R0的影响。 调查结果表明,预计到2021年12月,英国因COVID-19而导致的临床病例和死亡人数的中位数分别为2300万(95%预测区间13-30)和350000(170000-480000)。文章发现,四种基础干预措施都有可能降低R0,但不足以防止重症监护室(ICU)的需求超过其实际卫生服务能力。联合干预在降低R0方面更为有效,但只有封锁期才足以使R0接近或低于1;最严格的封锁措施预计会导致临床病例120000例(46000–700000)和50000例死亡(9300–160000)。在未来一年的很大一部分时间里,需要采取有禁闭期的聚集干预措施,以防止医疗卫生需求超过其可用范围。文章最后认为,SARS-CoV-2的特点意味着可能需要采取极端措施控制疫情,以防止大量病例死亡和对病床的过度需求,尤其是ICU病床。