GTC ON-DEMAND

 
SEARCH SESSIONS
SEARCH SESSIONS

Search All
 
Refine Results:
 
Year(s)

SOCIAL MEDIA

EMAIL SUBSCRIPTION

 
 

GTC ON-DEMAND

HPC and AI
Presentation
Media
超算驱动的新冠药物筛选及临床验证
Abstract:
中山大学罗海彬教授研究团队发展了 GPU 加速的自由能微扰 — 绝对结合自由能计算新方法(GA-FEP),取得药物设计关键技术的新突破,在抗击新冠肺炎研究中,采用该方法获得 Mpro 抑制活性最优的药物双嘧达莫,多中心临床试验验证该药对新冠肺炎获得较好的临床治疗效果。该 GPU 加速方法实现自由能微扰(FEP)/ 药物设计方法的国产化,该 GA-FEP 方法首次一周内完成对老药数据库的高精度筛选,从而预测出 25 个对新冠肺炎主蛋白酶 Mpro 有较高亲合力的药物,进一步的体外活性验证发现了 15 个 Mpro 抑制剂,表现出较高的活性化合物命中率。特别值得一提的是,抑制活性最优的药物双嘧达莫对新冠肺炎获得较好的临床治疗效果,从而进一步验证 GA-FEP 方法的可靠性。该 GA-FEP 方法既可以明显提高药物 / 靶标亲合力的预测精度,还可以提高预测速度(传统 FEP 方法每个化合物的预测时间为 30-60 天,本方法缩短为 1 天以内,效率提高 30-60 倍),从而提高创新药物筛选的成功率并降低研发时间。该 GA-FEP 方法还可以应用于其他新药设计工作中,如骨架跃迁和全新药物设计等,以提高先导化合物的发现和优化效率。
 
Topics:
HPC and AI
Type:
Talk
Event:
GTC China
Year:
2020
Session ID:
CNS20563
Download:
Share: