Virtual Screening of Small Molecules Targeting BCL2 with Machine Learning, Molecular Docking, and MD Simulation
Tondar, Abtin (Stanford University. Department of Genetics)
Sánchez Herrero, Sergio (Universitat Oberta de Catalunya. Departament d'Informàtica, Multimèdia i Telecomunicació)
Bepari, Asim Kumar (North South University. Department of Pharmaceutical Sciences)
Bahmani, Amir (Stanford University. Department of Genetics)
Calvet, Laura (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Hervas, David (Universitat Politècnica de València. Departament d'Estadística i Investigació Operativa Aplicades i Qualitat)

Data:	2024
Resum:	This study aimed to identify potential BCL-2 small molecule inhibitors using deep neural networks (DNN) and random forest (RF), algorithms as well as molecular docking and molecular dynamics (MD) simulations to screen a library of small molecules. The RF model classified 61% (2355/3867) of molecules as 'Active'. Further analysis through molecular docking with Vina identified CHEMBL3940231, CHEMBL3938023, and CHEMBL3947358 as top-scored small molecules with docking scores of -11, -10. 9, and 10. 8 kcal/mol, respectively. MD simulations validated these compounds' stability and binding affinity to the BCL2 protein.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Small molecules ; Virtual screening ; BCL2 ; Cancer therapeutics
Publicat a:	Biomolecules, Vol. 14, Issue 5 (May 2024) , art. 544, ISSN 2218-273X

DOI: 10.3390/biom14050544
PMID: 38785951

18 p, 4.7 MB

El registre apareix a les col·leccions:
Articles > Articles de recerca
Articles > Articles publicats