使用优化AlphaFold模型进行基于结构的比较虚拟选,识别了选择性的HDAC11抑制剂
Fady Baselious1, Sebastian Hilscher1, Dina Robaa1
1Department of Medicinal Chemistry, Institute of Pharmacy, Martin-Luther-University of Halle-Wittenberg, 06120 Halle (Saale), Germany.
International journal of molecular sciences
|January 27, 2024
概括
研究人员优化了AlphaFold模型的基因素脱乙酶11 (HDAC11) 来发现新的抑制剂. 一个虚拟查在体外鉴定出一种选择性抑制HDAC11的化合物,验证了AlphaFold药物发现方法.
科学领域:
- 生物化学 生物化学
- 结构生物学 结构生物学
- 药物发现 药物发现 药物发现
背景情况:
- 基因组脱乙酶11 (HDAC11) 是一个IV类基因组脱乙酶,没有报告的晶体结构.
- HDAC11的催化域的低序列同样性阻碍了传统的同样性建模.
- AlphaFold提供了准确的蛋白质结构预测,即使对于新型结构,但需要优化药物设计应用.
研究的目的:
- 使用优化的HDAC11 AlphaFold模型实现基于结构的虚拟选方法.
- 为了确定新的和选择性的HDAC11抑制剂.
- 为了验证优化AlphaFold模型在药物发现中的实用性.
主要方法:
- 通过结合催化离子和使用已知的抑制剂进行最小化来优化HDAC11 AlphaFold模型.
- 使用优化模型进行基于结构的比较虚拟选.
- 试验室酶定量测试以评估已识别的被击中化合物.
- 分子动力学模拟以证实绑定假设.
主要成果:
- 一种虚拟选方法成功识别了一种新型的打击化合物.
- 击中化合物证明了针对HDAC11.11的IC50为3.5μM.
- 该化合物在10μM时选择性地抑制了HDAC11而不是其他HDAC亚型.
- 分子动力学模拟支持了对接衍生的结合假设.
结论:
- 这项研究验证了一种优化的AlphaFold模型方法,用于识别选择性HDAC11抑制剂.
- 当适当优化时,AlphaFold模型是用于新兴抑制剂发现的适用工具.
- 这项工作加强了人工智能驱动结构生物学在推动药物发现工作方面的潜力.
关键词:
阿尔法折叠是什么意思阿尔法折叠在HDAC11中,HDAC11是HDAC11中的一个.停靠的对接方式在体外测定试验.模拟建模的模型.分子动力学模拟模拟作为一个药物学家,他做了一些药物学.虚拟选 虚拟选 虚拟选更多相关视频
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
1.1K
05:55Identifying Inhibitors of the HBx-DDB1 Interaction Using a Split Luciferase Assay System
Published on: December 21, 2019
6.7K