L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-25
Identification d'un modulateur du canal sodique NaV1.5 dérivé d'un produit naturel par apprentissage automatique et modélisation moléculaire intégrés
Titre original: Identification of a natural product derived NaV1.5 sodium channel modulator through integrated machine learning and molecular modeling
Les bloqueurs des canaux sodiques existants comportent des risques proarythmiques ; des modulateurs de NaV1.5 plus sûrs sont donc nécessaires pour la fibrillation atriale. L'équipe a entraîné des modèles LightGBM, XGBoost et Random Forest sur 1,512 inhibiteurs de NaV1.5 connus et a criblé 100,404 composés naturels de COCONUT. Le meilleur modèle (LightGBM, MCC 0.66) a conduit à la Piperaduncin C, qui a montré un docking favorable, des simulations stables et une énergie de liaison prédite meilleure que celle de la quinidine, bien qu'une validation expérimentale soit encore requise.