Abstract
Computerchemische methoden hebben bewezen essentiële hulpmiddelen te zijn voor de ontwikkeling van geneesmiddelen. In dit onderzoeksvoorstel zijn we van plan om op DFT gebaseerde methoden te ontwikkelen in combinatie met ML, die de activiteit van geneesmiddelen op bindingsplaatsen van virale proteasen nauwkeurig kunnen voorspellen door gebruik te maken van reactiviteitsindexen. Het belangrijkste doel is om de limiet van virtuele screening naar voren te schuiven, door de introductie van DFT-reactiviteitsdescriptoren die mogelijke kandidaat-geneesmiddelen nauwkeuriger kunnen classificeren. Zo wordt het aantal valse positieven sterk verminderd. Daarom zullen we conceptuele DFT-methoden (d.w.z. reactiviteitsdescriptoren) gebruiken om een neuraal netwerk te trainen dat met hoge nauwkeurigheid de reactiviteit tussen een medicijn en een actieve site kan voorspellen. Dit zal eerst worden toegepast op drie klassen van protease (serine, aspartyl, cysteïne) eiwitten en later worden uitgebreid naar gemuteerde actieve plaatsen.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)