AI驱动优化:发现高效新型HBV衣壳组装调节剂

hepatitis Bcapsid assembly modulatorAI-driven designsulfamoylbenzamideantiviralmachine learning
  • 以已知衣壳组装调节剂NVR 3-778为起点,采用结合基于结构的片段生长与药物化学的多目标优化流程。
  • 在传统设计基础上引入机器学习模型,同时预测抗病毒活性与类药性/ADMET性质。
  • 该流程共设计并评价了约48个新型磺酰苯甲酰胺类似物。
  • 先导化合物11B-6相较起始骨架展现出更优的抗病毒效力及改善的类药特性。
💡 要点

用约48个类似物换来一个明显更优的先导化合物,是一个节奏很紧凑的设计-合成-测试循环;而将基于机器学习的ADMET预测与围绕NVR 3-778的片段生长策略结合起来,正是这类模型真正发挥价值的地方——不只是追逐效力,而是多参数联合优化。接下来我想知道的是,11B-6能否扛住一直困扰这类化合物的CAM耐药HBV突变株。

Integrated AI-Driven Multi-Objective Optimization of Sulfamoylbenzamide-Based HBV Capsid Assembly Modulators: Discovery of 11B-6 with Superior Potency and Drug-like Properties ↗

← 返回归档