机器学习验证的普通牛至化合物靶向病毒逆转录酶的高结合力与稳定性及其抗HIV潜力

《Viruses》：Anti-HIV Potential of Origanum vulgare Compounds Targeting Viral Reverse Transcriptase with High Binding and Stability Validated by Machine Learning

　　人类免疫缺陷病毒（HIV）是长期以来与人类种群共同进化的病毒之一。随着新型抗药性HIV毒株的演变，发现新型药物已成为一个备受关注的问题，尤其是那些对RT酶具有更高结合亲和力和抑制活性的药物。本研究采用计算机模拟方法，从牛至（*Origanum vulgare*）中筛选潜在的HIV-RT抑制候选物。对约820种化合物进行了初步的计算机模拟筛选，基于分子对接所得的结合能评分，四种化合物（IMPHY000687、IMPHY007084、IMPHY004619和IMPHY012021）被选为排名靠前的植物化合物，其对接评分分别为?9.42、?9.32、?9.24和?9.23 kcal/mol，随后通过多种计算方法进行验证。这些化合物利用量子化学计算进行了几何优化，并通过重新对接程序进行了详细的相互作用分析。通过对所有复合物分别进行300 ns的独立副本分子动力学模拟，评估了动态行为的可重复性。利用RMSD和RMSF分析识别了配体依赖的构象动态变化，同时分析了模拟过程中位置的变化。主成分分析（PCA）和自由能景观（FEL）分析有助于识别所研究系统采样的构象。此外，QM/MM计算提供了各蛋白质-配体体系电子特性的补充信息。基于机器学习的定量构效关系（QSAR）预测被应用于经实验验证的HIV-RT抑制剂，以预测抑制效力，从而获得所选植物化合物与参考分子的预测pIC50值。总之，全面的计算分析将这些植物化合物排列为HIV-RT抑制剂，但仍需进一步实验验证。