基于Heparan硫酸盐微阵列分析的Heparan硫酸盐与蛋白质之间的相互作用建模
Cleber C Melo-Filho1, Guowei Su2, Kevin Liu2
1Laboratory for Molecular Modeling, Division of Chemical Biology and Medicinal Chemistry, UNC Eshelman School of Pharmacy, 301 Beard Hall, University of North Carolina, Chapel Hill, NC 27599, United States.
Glycobiology
|June 5, 2024
概括
研究人员开发了一种混合方法,将微阵列和计算方法结合起来,以设计具有特定蛋白质结合特性的甲酸 (HS) 寡糖,加速糖生物学中的发现.
科学领域:
- 葡萄糖生物学 葡萄糖生物学
- 计算化学的计算化学
- 生物化学 生化学
背景情况:
- 肝硫酸盐 (HS) 是一种关键的细胞外基质多糖,通过蛋白质相互作用参与许多生物过程.
- 了解HS寡糖的结合选择性至关重要,但由于大量可能的结构,这是一项挑战.
- 目前分析HS蛋白相互作用的方法通常在范围和实用性方面有限.
研究的目的:
- 开发一个计算管道来设计具有向蛋白亲和度的HS寡糖.
- 使用定量结构-活性关系 (QSAR) 分析创建HS寡糖蛋白结合的预测模型.
- 加速发现具有特殊结合性质的HS寡糖,用于治疗和研究应用.
主要方法:
- 采用了混合方法,整合了微阵列实验和in silico建模.
- 为了建模,开发了HS寡糖的两个不同的结构表示.
- 随机森林 (RF) 算法用于构建纤维细胞生长因子2 (FGF2) 亲和力的预测QSAR模型.
主要成果:
- 开发的QSAR模型显示了FGF2亲和力的高预测性,正确分类率为0.81-0.80,正确预测值高达0.95.
- 虚拟选确定了15种潜在的高亲和度HS寡糖,其中11种经过实验验证.
- 基于单糖的简化表征在预测建模中被证明是有效的.
结论:
- 混合微阵列和in silico管道使HS寡糖具有特定蛋白质相互作用的向设计成为可能.
- 这种方法显著提升了功能性甘氨酸的实际设计.
- 这些发现为在糖生物学和药物发现领域的更广泛应用提供了基础.


