肯特大学研究人员建立了一种新型计算协议，该协议能够通过使科学家准确识别可能导致成功药物候选物的反应而无需试错过程，从而加速查加斯病等危及生命的寄生虫感染的有效治疗药物研发。
据估计，全球约有800万人（主要在拉丁美洲）感染了导致查加斯病的克氏锥虫，约1亿人面临感染风险。虽然该疾病在早期急性阶段可以治愈，但未经治疗的感染会转为慢性，导致影响心脏、消化系统和神经系统等严重并发症。
尽管感染可能带来致命后果，寄生虫疾病通常影响低收入和医疗资源匮乏的社区，这降低了制药公司投资新治疗方法的商业动力。因此，提高早期药物研发的效率和成本效益对于使新疗法更容易实现至关重要。
计算化学在此发挥了关键作用。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速发现过程。
在这项最新研究中，肯特大学研究人员聚焦于已知对寄生虫疾病（特别是查加斯病）具有活性的萘醌类化合物。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性"编辑"化合物并微调其有效性、稳定性和选择性等特性，而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参考方法进行了基准测试。他们确定了一种能够紧密再现高水平计算结果的协议，同时证明了一种成本较低的方法可用于更快的筛选，而不会失去机理洞察力。
通过足够的精确度支持更高效、更有针对性的设计，科学家可以在减少实验室昂贵的试错过程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加快且更具成本效益。
"对于查加斯病和其他被忽视的热带寄生虫疾病而言，药物开发的商业激励通常较弱，因此减少试错并帮助优先考虑最有希望化合物的方法尤为宝贵。这些方法不能替代实验，但可以帮助将实验努力集中在最可能产生成效的地方。"
——费利佩·范图齐博士，主要作者，自然科学学院化学讲师
随着药物发现向更快、更具预测性的策略发展，人工智能的使用越来越广泛，正如范图齐博士所解释的那样，本研究中使用的方法是其天然的合作伙伴。
"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这种稳健的机理建模相结合时，其效果最佳。"
该研究是NUBIAN项目的一部分，该项目是由英国皇家学会支持的英国、巴西和塞拉利昂之间的国际合作。该项目专注于通过跨学科和国际合作研究来应对被忽视的热带疾病，旨在为世界上一些最脆弱的社区改善治疗选择。
【全文结束】
