机器学习与分子模拟揭示人类偏肺病毒融合蛋白潜在抑制剂的研究

为解决人类偏肺病毒(HMPV)感染缺乏靶向药物的难题，研究人员采用密度泛函理论(DFT)、分子动力学(MD)和机器学习(ML)联用策略，发现化合物57,414,794对病毒融合蛋白(F)具有超强结合力(-27.46 kcal/mol)，其性能远超瑞德西韦，ADMET分析显示该化合物符合类药五原则。这项研究为抗HMPV药物开发提供了新思路。

　　

呼吸道感染领域的重磅发现！人类偏肺病毒(HMPV)这个专挑儿童、老年人和免疫力低下者下手的"隐形杀手"，其入侵细胞的关键钥匙——融合蛋白(F glycoprotein)终于被科学家找到了破解之法。

研究团队祭出计算药物设计的"三件套"：密度泛函理论(DFT)负责优化化合物电子结构，分子动力学(MD)模拟化身"分子显微镜"观察蛋白-药物相互作用，机器学习(ML)模型PSICHIC则像智能雷达般从海量化合物中锁定5个潜力选手。其中化合物57,414,794表现尤为亮眼：结合亲和力高达7.413，拮抗概率逼近极限值0.99998，分子对接显示其与F蛋白结合比参照药物瑞德西韦强出一大截(-27.46 kcal/mol vs -18.0 kcal/mol)。

更令人振奋的是，这个"分子特工"在200纳秒的MD模拟中稳如磐石，自由能图谱(FEL)显示其构象波动极小。ADMET预测显示它完美通过类药性考核：胃肠吸收率优异，且完全符合Lipinski五规则。这项研究不仅为抗HMPV药物研发指明新方向，更展示了人工智能(AI)驱动的新一代药物设计范式的强大威力。