high-resolution RNA structures and a limited understanding of the parameters that drive RNA recognition by small molecules, including a lack of validated quantitative structure–activity relationships (QSARs). Herein, we develop QSAR models that quantitatively predict both thermodynamic- and kinetic-based binding parameters of small molecules and the HIV-1 transactivation response (TAR) RNA model system. Small
RNA 结构元素的多样性及其在人类疾病中的作用使 RNA 成为有吸引力的治疗靶点。然而,药物发现和开发的进展受到了高分辨率 RNA 结构确定方面的挑战以及对驱动小分子 RNA 识别的参数的有限理解的阻碍,包括缺乏经过验证的定量构效关系 (Q
SAR) . 在此,我们开发了 Q
SAR 模型,可以定量预测基于热力学和动力学的小分子结合参数和 HIV-1 反式激活反应 (
TAR) RNA 模型系统。使用表面等离子体共振针对
TAR 筛选带有不同支架的小分子。多元线性回归 (MLR) 与特征选择相结合提供了稳健的模型,可以直接解释对结合强度和动力学速率常数至关重要的特性。这些模型用新分子进行了验证,并通过与集成树方法的比较确认了它们的准确性能,支持该平台的普遍适用性。