|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-
2024
04 / 23
- 利用人工智能对抗肝炎：虚拟筛选工具识别休眠抑制剂
- 2024-04-23 05:02:52
- 开发了一种新的计算方法 HBCVTr，用于使用 SMILES 符号来预测小分子对乙型肝炎病毒 (HBV) 和丙型肝炎病毒 (HCV) 的抗病毒活性。该方法将双向和自回归变压器 (BART) 架构与原子和分数标记技术相结合，以捕获 SMILES 的顺序信息和化学特征。这些模型在分别包含 1941 种和 7454 种 HBV 和 HCV 化合物的精选数据集上进行了训练和评估。与各种机器学习模型和现有方法相比，HBCVTr 模型取得了优越的性能，具有高精度和强大的预测能力。使用 HBCVTr 模型进行虚拟筛选，确定了具有良好药代动力学特性的潜在 HBV 和 HCV 抑制剂。分子对接和分子动力学模拟进一步验证了顶级候选物的结合亲和力和稳定性，提供了对其潜在作用机制的见解。该方法为发现和设计针对 HBV 和 HCV 的新型抗病毒疗法提供了宝贵的工具。
