基于生物活性的建模可改善有前景的药物筛选，加速药物发现
通过活性而不是结构来评估药物化合物是一种新方法，可以加快对COVID-19治疗的搜索速度，并揭示出其他疾病的更多潜在治疗方法。科学家开发基于生物活性的建模可改善有前景的药物筛选，加速药物发现。
这种称为基于生物活性的建模（BABM）-构成了美国国家转化科学促进中心（NCATS）研究人员开发的新方法的核心。NCATS是美国国立卫生研究院（NIH）的一部分。研究人员使用BABM来寻找潜在的抗SARS-CoV-2药物。
NCATS科学家领导了创建该方法的研究团队。他们的发现发表在2月23日的《自然生物技术》杂志上。
使用这种新方法，你可以根据活性概况找到全新化学结构，然后开发全新药物。因此，使用有关化合物生物活性的信息可能会扩大针对多种疾病和状况的有前途的治疗方法的范围。
当研究人员寻找新的化合物或寻找现有的药物来重新用于治疗新的疾病时，他们越来越多地使用筛选工具来预测哪些药物可能是好的候选药物。虚拟筛选，或VS，使科学家能够利用先进的计算机分析，从收集的数百万化合物中找到潜在的有效候选药物。
使用BABM，研究人员不需要知道化合物的化学结构。相反，他们使用化合物的活性模式–它在多个浓度下对一组靶点或测试的表现–来预测其对新靶点或在新药物检测中的潜在有效性。
现在广泛使用的定量高通量筛选（qHTS）使BABM的预测更加准确。qHTS评估一个化合物在数千次测试中的多种浓度下的有效性。这种做法比传统的高通量筛选提供了更多关于化合物如何表现的细节，传统的高通量筛选只测试单一浓度的化合物。qHTS产生的信息为数百万种化合物中的每一种化合物创建了更强大的生物活性谱
为了测试BABM方法，研究人员利用NCATS内部收集的50多万种化合物和药物上运行的数百项qHTS分析产生的大量数据库。首先，他们验证了BABM利用活性谱识别已经被证明对寨卡病毒和埃博拉病毒有效的化合物的能力。BABM还确定了有希望对抗这些病毒的新化合物。
然后，科学家们转向SARS-CoV-2，即导致COVID-19的病毒。他们应用BABM、基于结构的模型和组合方法分析NCATS库的化合物，以寻找潜在的抗SARS-CoV-2药物。BABM预测，311个化合物的活性谱可能表明有希望对抗冠状病毒。
随后，研究人员请外部实验室对这311个化合物进行了抗SARS-CoV-2活病毒的测试。结果是 近三分之一的BABM支持的化合物（99）在测试中显示出抗病毒活性。BABM驱动的预测命中率超过了基于结构的模型–将基于活性的模型和基于结构的模型结合起来，得到了更好的预测结果。
BABM的一个关键优势是速度。这种方法的速度非常快–你基本上只需要运行一个计算机算法，就可以识别出许多新的药物线索，甚至是新的化学结构。
事实上，筛选整个NCATS库中50万个化合物的抗SARS-CoV-2候选物只花了几分钟。
BABM也是一个可转移的工具–它不限于在NCATS化合物库中使用。任何人都可以通过应用任何生物活性谱数据，包括公开的NCATS数据来使用这种方法。
NCATS研究人员预测，他们基于活性的模型的影响可能远远超出寻找COVID-19治疗方法和小分子药物发现的范围。给定任何具有可用活性谱的物质，科学家可以预测其对新靶点、新适应症或新疾病的活性。
除了小分子，这种方法还可以应用于生物制品、抗体和其他疗法。BABM适用于所有药物发现项目。获取更多前沿科技 研究访问：https://byteclicks.com
你可能感兴趣的文章：
- 研究人员在基于人工智能药物发现的方法研究中取得重要进展
- 研究人员建立新片段库加速药物发现
- 一种非营利开放科学药物发现模型工具
- 这个在线工具有助于加速药物发现
- 新计算工具可根据结构预测蛋白质中的关键功能位点
- 由蛋白结构快速预测配体结合位点的最新平台PrankWeb
- 筛选2亿种化合物，机器学习发现数百种潜在新冠药物
- 哈佛科学家开发开源机器学习工具预测药物副作用
- 科学家开发一种新技术或可加快新药研发速度
