螺旋差 (HelixDiff) 是一种基于分数的扩散模型,用于生成全原子α螺旋结构
Xuezhi Xie1,2, Pedro A Valiente1, Jisun Kim1
1Donnelly Centre for Cellular and Biomolecular Research, University of Toronto, Toronto, Ontario M5S 3E1, Canada.
ACS central science
|May 27, 2024
概括
新的人工智能模型HelixDiff可以生成精确的螺旋状蛋白质结构. 它成功设计了一种针对GLP-1受体的新型类药物,增强了稳定性和蛋白酶抵抗性.
科学领域:
- 计算生物学 计算生物学
- 结构生物信息学 结构生物信息学
- 药物设计 药物设计
背景情况:
- 产生精确的蛋白质结构对于理解生物功能和设计新疗法至关重要.
- 现有的新型蛋白质结构生成方法在准确性和条件设计方面存在局限性.
研究的目的:
- 介绍HelixDiff,一种基于分数的新型扩散模型,用于生成全原子螺旋结构.
- 开发一个热点特定的算法,用于条件de novo设计的alpha螺旋.
- 为了证明HelixDiff在设计功能性治疗中的实用性.
主要方法:
- 使用基于分数的扩散模型 (HelixDiff) 来生成蛋白质结构.
- 实施了针对性酸设计的热点特定生成算法.
- 使用根-平均-平方偏差 (RMSDs) 验证生成结构,并将性能与基于GAN的模型进行比较.
- 设计并测试了一种D-激动剂用于类似葡萄糖-1受体 (GLP-1R).
主要成果:
- HelixDiff生成具有近原生几何形状 (RMSD < 1 Å) 的α螺旋.
- 在序列恢复和罗塞塔得分方面,HelixDiff的表现优于以往基于GAN的模型.
- 成功设计了一种具有高稳定性和蛋白酶抗性的GLP-1受体激动剂D-.
- 设计的D-激活了GLP-1R的cAMP积累而没有激活GLP-2R,并诱导了AKT酸化.
结论:
- HelixDiff是一种强大的工具,可以生成精确的螺旋蛋白结构,并使条件de novo设计成为可能.
- 匹配功能热点对于设计有效的D-激动剂至关重要.
- 开发的D-激动剂显示出作为GLP-1R相关条件的稳定和强大的治疗方法的希望.
相关概念视频
01:22Protein Folding
117.9K
Overview
117.9K
01:13Protein Organization
137.3K
Overview
137.3K
02:00Molecular Models
38.2K
Physical models representing molecular architectures of chemical compounds play essential roles in understanding chemistry. The use of molecular models makes it easier to visualize the structures and shapes of atoms and molecules.
38.2K
02:06Newman Projections
16.8K
Different notations are used to represent the three-dimensional structure of molecules on two-dimensional surfaces. One of the most commonly used representations is the dash-wedge formula. The dashed wedges, solid wedges, and the plane lines indicate the groups situated behind the plane, coming out of the plane, and in the plane, respectively.
The organic molecules rotate across the single bonds leading to numerous temporary three-dimensional structures of varying energy known as...
The organic molecules rotate across the single bonds leading to numerous temporary three-dimensional structures of varying energy known as...
16.8K