γ-氨基丁酸受体(GABAA和GABAB)能响应神经递质γ-氨基丁酸(GABA)的作用,这种物质是成熟脊椎动物中枢神经系统中的主要抑制性化合物。GABA受体激动剂通常会产生镇静效果,还可能引发抗惊厥、抗焦虑及肌肉松弛等其他作用。而GABA受体拮抗剂则会抑制GABA的作用,通常表现为兴奋和诱发惊厥的效果。因此,能够调节GABA受体活性的小分子化合物可能具有显著的治疗潜力。
这些特殊化合物集合经过精心设计,结合了强大的预测工具——贝叶斯和药效团建模与定量构效关系(QSAR)。GABAA和GABAB的激动剂和拮抗剂均取自ChEMBL数据库,并基于这些化合物构建了相应的训练集。
训练集用于优化和验证基于配体的药效团模型。针对最佳优化的药效团模型进行了筛选实验。通过两种重新评分函数(第一种基于药效团特征权重,第二种基于分子描述符(QSAR))对结果进行二次评分,并根据计算得分进行筛选和可视化分析。训练集还用于贝叶斯建模化合物的选择,该模型基于分子描述符,包括分子极性表面积、LogP值、分子量、氢供体与受体数量、可旋转键数量、环数以及分子指纹(ECFP4、FCFP4、ECFP6、FCFP6)。
应用这些方法和重评分功能应能增加筛选过程中鉴定出的活性化合物数量。设计的库仅包含类药物化合物(PAINS化合物被过滤掉),为与GABA受体相关的药物发现项目提供了极佳的基础。