机器学习筛选新型GSK-3β抑制骨架及RF05抗炎活性初步评价

Journal of Computer-Aided Molecular Design · 2026-11-13 · 期刊论文

• 一句话结论：结论：机器学习流程从Asinex库中筛出RF03与RF05两个候选骨架，二者对GSK-3β仅有中等酶学抑制，但RF05在细胞层面降低TNF-α与IL-6，提示其可能具备抗炎开发潜力（证据档位C，属临床前初步评价）。
• 研究设计与做法：设计：计算与体外研究。以2016—2024年已知抑制剂构建随机森林分类模型，对Asinex库筛选后依次进行ADMET过滤、分子对接与分子动力学模拟，再以体外酶学实验和细胞实验验证；样本量与随访时长材料未报告。
• 主要结果：结果：随机森林模型准确率0.89、AUC-ROC 0.91±0.02；RF03与RF05的GSK-3β抑制IC₅₀分别为85.04 µM与58.73 µM；RF05在细胞中降低TNF-α与IL-6且细胞毒性低，具体降幅、置信区间与p值材料未报告。
• 机制或解释：机制：作者解释RF05为非经典位阻型芳香酯骨架，高亲脂性与结构预组织利于穿膜与胞内蓄积，从而把中等生化亲和力转化为较强的细胞表型反应；该解释为推测性，未提供直接实验证据。
• 局限与边界：局限：证据档位C；仅体外酶学与细胞实验，无动物或人体数据；化合物活性为微摩尔级、亲和力中等；模型训练集与化学空间有限，预测存在适用边界；利益冲突材料未报告。
• 可否落地：落地：证据支持该计算流程可作为早期虚拟筛选的初筛工具；提示RF05可作为结构新颖的抗炎先导骨架供后续优化；尚不足以下结论认为其已具备成药性或体内抗炎效果，需结构优化与体内验证。

🔗 打开原文

Shiqi Cheng, Wenyuan Zhang, Jinjing Zhou 等

本文摘自《每日前沿研究简报 · 2026-11-15》「化学信息 / 药物发现」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。