Click here to read the complete article.
Abstract Title:Exploration of SARS-CoV-2 3CLInhibitors by Virtual Screening Methods, FRET Detection, and CPE分析。</p>摘要来源：
j Chem Inf模型。 2021 12 27; 61（12）：5763-5773。 EPUB 2021 11月19日。PMID： 34797660 Zhang, Pengfei Guo, Zhe Wang, Yi Liu, Minsi Meng, Ailin Liu, Zifeng Yang, Guanhua Du
Article Affiliation:Jun Zhao
Abstract:COVID-19 caused by a novel coronavirus (SARS-CoV-2) has been spreading all over the world since the end of 2019, and no specific drug has been developed yet. 3C样蛋白酶（3Cl）是新型冠状病毒复制的重要组成部分，是抗脊骨瘤病毒药物开发的有希望的靶标。在本文中使用幼稚的贝叶斯（NB）和3clon的递归分区（RP）算法构建了Ight机器学习模型，这是优化的二维（2D）分子描述符（MDS）与ECFP_4，ECFP_6和MACCS MACCS MOLECULAL FIRGERPRINTS结合的基础。根据5倍交叉验证，测试集验证和外部测试集验证的结果选择最佳模型。预计来自内部天然产物数据库的5766种天然化合物被预测，其中369个化学成分被最佳模型预测为活性化合物，ESTPGOOD值大于0.6以上，如NB（MD + ECFP_6）所预测的那样。通过ADMET分析，通过荧光共振能量转移（FRET）方法和细胞病变效应（CPE）检测选择了31种化合物，以进一步测定生物学活性。结果表明，（+） - 湿烟酸蛋白，shikonin，scutellarein和5,3,4-三羟基氟氟氟此动抑制SARS-COV-2 3clwith半Ximimal抑制浓度（IC）值范围为4.38至87.76μm。在CPE测定中，5,3,4-三羟基氟氟酮显示出一定的抗病毒作用，伊值为8.22μm。与SARS-COV-2 3CLWAS的5,3,4-三羟基氟氟氟氟氟氟氟此的结合机制进一步通过CDOCKER分析揭示了。在这项研究中，基于机器学习算法预测活性化合物的3CLPREDICTION模型，潜在抑制剂的活性通过FRET方法和CPE测定确定，这些方法为进一步发现和开发了抗胃内胃抗癌药物提供了重要信息。