Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Protein-protein Interfaces02:04

Protein-protein Interfaces

14.8K
Many proteins form complexes to carry out their functions, making protein-protein interactions (PPIs) essential for an organism's survival. Most PPIs are stabilized by numerous weak noncovalent chemical forces. The physical shape of the interfaces determines the way two proteins interact. Many globular proteins have closely-matching shapes on their surfaces, which form a large number of weak bonds. Additionally, many PPIs occur between two helices or between a surface cleft and a...
14.8K
Conserved Binding Sites01:49

Conserved Binding Sites

5.2K
Many proteins’ biological role depends on their interactions with their ligands, small molecules that bind to specific locations on the protein known as ligand-binding sites. Ligand-binding sites are often conserved among homologous proteins as these sites are critical for protein function.
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...
5.2K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Computational Drug Repurposing Predicts FDA-Approved Drugs as Potential Inhibitors of Chikungunya Virus nsP2 Protease.

The journal of physical chemistry. B·2026
Same author

Dynamics of Aβ42 Tetramer by REST2-CHARMM36m Simulations.

The journal of physical chemistry. B·2026
Same author

Correction to "Rational Design of Broad-Spectrum Non-Nucleoside Reverse Transcriptase Inhibitors via Pharmacophore-Oriented Generative Artificial Intelligence".

Journal of medicinal chemistry·2026
Same author

Benchmarking the Ligand-HER2 Interactions Using Machine Learning and Molecular Dynamics Simulations.

ACS omega·2026
Same author

Aβ<sub>42</sub> Adopts a Stronger Binding Affinity to the Gold Surface than Aβ<sub>40</sub>.

The journal of physical chemistry. B·2026
Same author

DFT investigation of Au<sub><i>n</i></sub>Mo (<i>n</i> = 2-12) clusters: the barrierless hydrogen adsorption behavior of Au<sub>9</sub>Mo.

Physical chemistry chemical physics : PCCP·2026

Video Experimental Relacionado

Updated: Feb 24, 2026

Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
06:50

Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions

Published on: January 26, 2024

2.6K

Identificación de posibles inhibidores de BACE1 de la base de datos ChEMBL utilizando aprendizaje automático y

Quang Tung Dao1, Thi Mai Dung Do2,3, Quynh Mai Thai4,5

  • 1Department of Computer and Systems Sciences, Stockholm University, Stockholm 106 91, Sweden.

ACS omega
|February 23, 2026
PubMed
Resumen

Este estudio utiliza aprendizaje automático y simulaciones para encontrar nuevos fármacos para la enfermedad de Alzheimer dirigidos a BACE1. El enfoque computacional acelera el descubrimiento de posibles inhibidores mediante el análisis de millones de compuestos.

Palabras clave:
inhibidores de BACE1enfermedad de Alzheimeraprendizaje automáticosimulación atomísticadescubrimiento de fármacosquímica computacionalneurociencia

Más Videos Relacionados

Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
10:21

Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA

Published on: February 23, 2024

3.8K
Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
08:31

Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions

Published on: December 1, 2020

5.6K

Videos de Experimentos Relacionados

Last Updated: Feb 24, 2026

Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
06:50

Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions

Published on: January 26, 2024

2.6K
Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
10:21

Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA

Published on: February 23, 2024

3.8K
Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
08:31

Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions

Published on: December 1, 2020

5.6K

Área de la Ciencia:

  • Química computacional
  • Descubrimiento de fármacos
  • Neurociencia

Sus antecedentes:

  • La enfermedad de Alzheimer (EA) se caracteriza por la formación de placas de amiloide-β (Aβ).
  • La inhibición de la enzima 1 de corte de la proteína precursora de amiloide β (BACE1) es una estrategia terapéutica clave para reducir la producción de Aβ.
  • Acelerar el descubrimiento de inhibidores eficaces de BACE1 es crucial para el desarrollo de nuevos tratamientos para la EA.

Objetivo del estudio:

  • Desarrollar y aplicar un marco computacional que combine el aprendizaje automático (ML) y las simulaciones atomísticas para la identificación rápida de posibles inhibidores de BACE1.
  • Evaluar una gran biblioteca química e identificar candidatos a fármacos prometedores para la enfermedad de Alzheimer.

Principales métodos:

  • Se entrenaron modelos de aprendizaje automático con datos experimentales de afinidad de unión para ligandos de BACE1.
  • Se utilizaron modelos de ML de alta precisión para cribar más de dos millones de compuestos de la biblioteca CHEMBL33.
  • Los compuestos de mayor éxito se analizaron mediante acoplamiento molecular y simulaciones de Fast Pulling of Ligand (FPL).

Principales resultados:

  • Los modelos de ML demostraron una alta precisión predictiva para la afinidad de unión del ligando.
  • El cribado identificó una lista reducida de candidatos a inhibidores potentes de BACE1.
  • Las simulaciones FPL proporcionaron información detallada sobre la estabilidad de la unión y los mecanismos de interacción de los complejos BACE1-ligando.

Conclusiones:

  • El enfoque computacional integrado acelera eficazmente el descubrimiento de nuevos inhibidores de BACE1.
  • Los compuestos identificados y la información sobre la unión pueden guiar el diseño racional de la próxima generación de productos terapéuticos para la EA.
  • Esta estrategia ofrece una plataforma potente para el desarrollo de tratamientos dirigidos para enfermedades neurodegenerativas.