研究人员在肯特大学建立了一种计算协议，该协议能够通过使科学家准确识别可能产生成功药物候选物的反应，从而加速对恰加斯病等危及生命的寄生虫感染的更有效治疗方法的开发，无需进行反复试验。该研究发表在《ChemistryOpen》期刊上。
据估计，全球约有800万人（主要在拉丁美洲）感染了导致恰加斯病的克氏锥虫，约有1亿人被认为有感染风险。虽然该疾病在其早期急性阶段可以治愈，但未经治疗的感染可能变成慢性，导致影响心脏、消化系统和神经系统的严重并发症。
尽管感染可能带来致命后果，但寄生虫疾病通常影响低收入和未得到充分服务的社区，降低了制药公司投资新治疗方法的商业激励。因此，提高早期药物开发的效率和成本效益对于使新疗法更容易实现至关重要。
这就是计算化学的用武之地。通过在实验室测试前对潜在药物化合物的行为进行建模和模拟，研究人员能够降低成本并加快发现速度。
在这项最新研究中，肯特大学的研究人员专注于萘醌类化合物，这类化合物对寄生虫疾病（特别是恰加斯病）具有已知活性。研究团队调查了使用钌基催化剂选择性修饰这些化合物的方法，这使科学家能够系统地"编辑"这些化合物并微调其有效性、稳定性和选择性等特性，所有这些特性对成功的药物候选物都至关重要。
为了预测哪些修饰最有可能成功，研究人员将九种广泛使用的量子化学方法与一种高精度的参考方法进行了基准测试。他们确定了一种能够紧密复制高级计算结果的协议，同时还证明了一种低成本方法可用于更快的筛选，而不会失去机理洞察。
有了足够的准确性来支持更高效和有针对性的设计，科学家可以在减少实验室中昂贵的反复试验的同时模拟这些化学修饰，更早地优先考虑最有希望的化合物，使药物发现过程显著更快且更具成本效益。
主要作者、自然科学学院化学讲师费利佩·范图齐博士解释说："对于恰加斯病和其他被忽视的热带寄生虫疾病，药物开发的商业激励通常较弱，能够减少反复试验并帮助优先考虑最有希望的化合物的方法特别有价值。它们不会取代实验，但它们可以帮助将实验努力集中在最可能产生成果的地方。"
随着药物发现向更快、更具预测性的策略发展，人工智能正被更广泛地使用，正如范图齐博士所解释的，本研究中使用的方法是其天然合作伙伴。
"基于物理学的计算化学在目标是以化学可解释的术语理解催化反应实际工作原理时仍然至关重要。人工智能在识别模式、优先考虑候选物和更高效地探索化学空间方面正发挥着越来越重要的作用，但当与本研究中使用的强大机理建模相结合时最为有效。"
A) 1,4-萘醌A环功能化的代表性合成策略。B) 使用乙烯磺酰氟进行的钌(II)催化C-H烯基化反应条件，生成SO2。来源：《ChemistryOpen》(2025)。DOI: 10.1002/open.202500465
【全文结束】
