利用AlphaFold模型用于药物发现:可行性和挑战. 希斯脱乙酶11作为一个案例研究
Fady Baselious1, Dina Robaa1, Wolfgang Sippl1
1Department of Medicinal Chemistry, Institute of Pharmacy, Martin-Luther-University of Halle-Wittenberg, Halle (Saale), Germany.
Computers in biology and medicine
|November 16, 2023
概括
使用AlphaFold预测了基因组脱乙酶11 (HDAC11) 结构,并通过分子动力学进行了改进. 优化的模型准确地预测了已知的HDAC11抑制剂的结合,从而使基于结构的药物设计成为可能.
科学领域:
- 生物化学 生物化学
- 结构生物学 结构生物学
- 计算化学计算化学
背景情况:
- 基斯脱乙酶11 (HDAC11) 是唯一的第四类HDAC,在生物过程中至关重要,但缺乏晶体结构.
- HDAC11的低序列同质性使传统的结构预测方法复杂化.
- AlphaFold为新的蛋白质结构预测提供了一种强大的方法.
研究的目的:
- 使用AlphaFold生成HDAC11的可靠3D模型.
- 通过评估抑制剂结合来验证模型的准确性.
- 建立基于结构的药物发现的基础,针对HDAC11.11.
主要方法:
- 使用AlphaFold进行初始HDAC11结构预测.
- 通过结合催化离子,优化了AlphaFold模型.
- 使用已知的抑制剂 (FT895,MIR002,SIS17) 进行了分子对接和50 ns分子动力学模拟.
主要成果:
- 成功生成了一个优化的HDAC11 AlphaFold模型,包括催化离子.
- 分子动力学模拟证实了四种抑制剂结合复合物的稳定性.
- 优化的模型准确地预测了选择性HDAC11抑制剂的结合姿势.
结论:
- HDAC11精细的AlphaFold模型是理解抑制剂相互作用的宝贵工具.
- 这种基于结构的方法可以指导新型HDAC11抑制剂的开发.
- 该模型为未来的结构-活性关系研究和药物优化提供了基础.
