整合机器学习与分子动力学模拟挖掘抗癌靶点MELK抑制剂

摘要

母系胚胎亮氨酸拉链激酶（maternal embryonic leucine zipper kinase,MELK）因其在多种癌症的发生发展中发挥关键作用，已成为一个备受关注的抗肿瘤药物靶点。为高效挖掘MELK抑制剂，结合机器学习方法筛选大规模化合物库，力求发现高活性候选分子。首先，基于已知的MELK抑制剂数据构建并优化机器学习模型，其中随机森林回归为最佳模型（R²=0.800 4,RMSE=0.496 8）。随后基于该模型，从筛选出的预测得分最高的5个候选化合物出发，进一步开展分子对接及分子动力学模拟研究，结果显示这些化合物在活性口袋中具有稳定的构象和良好的结合自由能，显示出潜在的MELK抑制活性。最后利用SwissADME对化合物进行全面的ADME性质预测。该研究验证了机器学习辅助虚拟筛选方法在MELK抑制剂发现中的有效性，为新型MELK抑制剂的设计和开发提供了重要候选分子及理论基础。

关键词

MELK / 机器学习 / 激酶抑制剂 / 分子对接