俄罗斯人民友谊大学的化学家和来自中国的同事建立了多个机器学习模型，并发现了一组潜在的药物，可以抑制负责不受控制的细胞分裂的酶。研究结果发表在《生物医学》杂志上。

化学家使用机器学习和分子模型来识别潜在的抗癌药物

细胞周期蛋白依赖性激酶2(CDK2)是一种参与细胞分裂调节的酶。尽管CDK2在健康细胞中并不是必需的，但它在癌细胞不受控制的生长中起着至关重要的作用。抑制CDK2的活性可以抑制肿瘤的生长，因此寻找有效的CDK2抑制剂具有重要意义。俄罗斯人民友谊大学的化学家和中国同事为此结合了计算机研究方法：机器学习和分子建模。结果，化学家能够发现几种潜在的抑制剂。

“细胞周期蛋白依赖性激酶2是癌症治疗的一个有前景的靶点。其抑制剂的开发在抗肿瘤治疗中非常重要。这种酶在肿瘤形成中的参与尚未完全研究，但已经清楚，其抑制可用于治疗多种抑制剂已经进行了临床试验，但有一种专门针对这种酶的选择性抑制剂，但尚未找到化学博士，俄罗斯人民友谊大学化学联合研究所高级研究员。

为了寻找候选药物，化学家使用了机器学习方法。作者建立了几个模型来寻找CDK2的活性抑制剂。化学家利用分子对接方法建立了一个分子模型，该模型可以识别最有利于形成稳定复合物的分子方向。

机器学习模型以98%的准确度识别出25种潜在的活性CDK2抑制剂。化学家使用分子对接对它们进行了测试。三种物质效果最好。对于前三名，使用分子动力学方法建立了计算机模拟，并与参考化合物dalpiciclib进行了比较。事实证明，这三者都更加稳定、更加紧凑。

“与对照药物dalpiciclib相比，三种计算出的化合物表现出更稳定的行为和紧凑性。尽管结果令人鼓舞，但我们的研究存在一些局限性。我们需要深入的体外和体内临床试验来确认抑制活性和潜在的治疗功效“此外，在开发药物时，有必要研究化合物对脱靶相互作用的影响及其毒性，”AlexanderNovikov博士说。化学博士，俄罗斯人民友谊大学化学联合研究所高级研究员。