使用生成性深度学习和分子动力学模拟设计特定抑制剂的设计
Sijie Chen1, Tong Lin2,3, Ruchira Basu4
1College of Pharmacy, The Ohio State University, 281 W Lane Ave, Columbus, OH, USA.
Nature communications
|February 21, 2024
概括
本研究介绍了一种用于设计向的计算方法. 这种方法成功地产生了β-catenin和NF-kappaB基本调节器的抑制剂,具有改善的结合亲和力.
科学领域:
- 计算生物学是一种计算生物学.
- 药物发现 药物发现
- 的设计 的设计
背景情况:
- 开发有针对性的类疗法对于治疗各种疾病至关重要.
- 现有的设计方法往往缺乏效率和特异性.
- 识别新型抑制剂需要先进的计算策略.
研究的目的:
- 引入一种新的计算方法来设计特定目标.
- 开发针对β-catenin和NF-kappaB基本调节器的类抑制剂.
- 通过实验测试验证计算设计的的疗效.
主要方法:
- 集成一个基于Gated Recurrent Unit的变化自编码器 (GRU-VAE) 用于序列生成.
- 使用Rosetta FlexPepDock来评估蛋白结合亲和力.
- 采用分子动力学 (MD) 模拟来改进选择.
- 针对蛋白的设计的实验验证.
主要成果:
- 在12种设计的β-catenin抑制剂中,有6种表现出增强的结合亲和力.
- 与原始相比,C终端抑制剂的结合亲和力 (IC50:0.010 ± 0.06 μM) 改善了15倍.
- 在四种设计的NF-kappaB基本调节器抑制剂中,有两种具有显著增强的结合.
- 通过计算设计的的成功实验验证.
结论:
- 结合深度学习和基于结构的建模的综合计算方法对于设计特定目标来说是有效的.
- 这一策略显著提高了的结合亲和力和特异性.
- 设计的体代表了针对β-catenin和NF-kappaB通路的有希望的治疗候选者.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.8K
10:33Development of Inhibitors of Protein-protein Interactions through REPLACE: Application to the Design and Development Non-ATP Competitive CDK Inhibitors
Published on: October 26, 2015
11.3K
