Virtual Screening of Small Molecules Targeting BCL2 with Machine Learning, Molecular Docking, and MD Simulation
Tondar, Abtin (Stanford University. Department of Genetics)
Sánchez-Herrero, S (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 Liñan, 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)

Fecha:	2024
Resumen:	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.
Derechos:	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.
Lengua:	Anglès
Documento:	Article ; recerca ; Versió publicada
Materia:	Small molecules ; Virtual screening ; BCL2 ; Cancer therapeutics
Publicado en:	Biomolecules, Vol. 14, Issue 5 (May 2024) , art. 544, ISSN 2218-273X

DOI: 10.3390/biom14050544
PMID: 38785951

18 p, 4.7 MB

El registro aparece en las colecciones:
Artículos > Artículos de investigación
Artículos > Artículos publicados