计算与 AI 药物发现 chemRxiv
分子动力学显示脂质组成与渗透分子性质共同决定被动膜渗透自由能
- 采用基于自适应权重直方图的全原子分子动力学(MemCross),为少量结构多样的类药分子计算渗透自由能曲线。
- 双层膜由POPC分别与胆固醇、POPE、多不饱和PC或鞘磷脂混合而成,以模拟质膜的脂质多样性。
- 研究仅为计算工作;渗透同时取决于脂质组成与渗透分子性质,并提炼出机理性描述符。
- 基于这些描述符的多变量模型指向可由成本更低的无偏模拟获得的量。
要点 基于摘要的观点
只有六个化合物,撑不起多变量模型,这些描述符只能当作假设,不能当预测器。没有PAMPA或Caco-2实测做锚点,也就无从判断不同脂质带来的自由能差异能否在实验中体现,转运体和外排也未涉及。不过,若无偏MD的描述符能复现这些差异,就有望为机器学习渗透性模型补充基于物理的特征。
原论文: chemRxiv ↗ Mechanistic Determinants of Passive Permeation in Binary Lipid Membranes from Molecular Dynamics Simulations