《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。”
  • 《药物模型研究将使艾滋病治疗更有效》

    • 来源专题:艾滋病防治
    • 编译者:李越
    • 发布时间:2012-11-16
    • 汇集对20多种常用抗HIV药物的抗病毒活性进行数千次测试的数据,约翰霍普金斯大学和哈佛大学的艾滋病专家们开发出了他们所说的可用于解释药物效应的第一种精确计算机模拟技术。该模型阐明了在某些缺乏耐药迹象的患者体内一些治疗方案如何失败以及为何失败的原因。研究人员说他们的模型是建立在特异的药物、处方的准确剂量和“现实世界变化”中患者如何遵循处方指示的基础上。   约翰霍普金斯大学的资深研究员、传染病专家Robert Siliciano说数学模型还可基于患者的处方遵循情况用于预测患者对于一种特异的治疗方案有可能如何做出反应。此外,该模型将每种药物抑制病毒复制的能力以及这样的抑制将促进形成耐药性突变HIV病毒株的可能性纳入了考虑。   “在我们的模拟技术帮助下,我们现在能够以相当程度的确定性说出一种特殊的药物组合在特定剂量下正取得的病毒抑制水平以及血液中的药物浓度,甚至在剂量消失时的情况。”Siliciano说。他预测这一信息将消除“涉及新药组合治疗测试的许多当前的错误尝试或臆测。”   Siliciano表示这些发表在9月2日《自然医学》(Nature Medicine)杂志上的研究发现应该可以通过排除不太可能起作用的组合,帮助科学家们简化未来组合治疗的开发和临床试验。   该模型的一种应用有可能是进一步开发出药物组合,可以包含在一日服用一次的单个药丸中。这或许能够降低耐药的可能性,即便并没有很好地遵守。他说未来这样的药物治疗方案将理想上找到优化病毒抑制和减小耐药风险之间的平衡。   研究人员接下来计划扩展他们的模型超越病毒的血液水平去到机体的其他部位,例如脑中抗逆转录病毒药物浓度可能与在血液中测量的有所不同。他们还计划扩展他们的分析纳入多重耐药HIV病毒株。   研究人员表示他们的模型最终可能为患者带来新希望帮助医生设计出更好、更廉价和更有效的治疗。   论文的共同第一作者、生物物理学博士生Alison Hill说“在过去的10年,接受药物治疗的艾滋病感染者的数量大大地增多。根据成本效益、遵循状况和形成耐药的可能性找出最好的途径来治疗人们将变得更加的重要。”(