QSAR 机器学习模型及其在识别潜在 COVID-19 疗法中的应用

尽管投入了大量人力物力，但在世界卫生组织宣布 COVID-19 为全球大流行病后的七个月里，针对该疾病患者的有效治疗方法依然难以寻获。为助力寻找能够减轻病毒影响的有效抗病毒疗法，CAS 的科学家和技术人员团队尝试利用预测性机器学习模型来识别治疗 COVID-19 的潜在候选药物。研究采用定量构效关系（QSAR）方法，针对 3CLpro 或 RdRp 等重点病毒蛋白靶点构建并测试了 40 多个模型。表现最佳的分类模型被用于筛选超过 15 万种化学物质，其中包括已获 FDA 批准的药物。这项工作成功识别出了一些现已开始显示临床疗效的药物，如洛匹那韦（Lopinavir）和替米沙坦（Telmisartan），以及许多其他值得考虑的候选物质。

我们希望这项结合了人工数据整理与机器学习预测模型，并成功识别出 COVID-19 潜在小分子候选药物的工作，能够凸显人机协同在药物研发中的价值，同时为 COVID-19 及其他领域的抗病毒研究贡献力量。