基于甲基酸盐的多模态染色学树脂的全原子建模,用于对类的Langmuir常数预测
Tim Ballweg1, Modan Liu1, Julian Grimm1
1Institute of Functional Interfaces, Karlsruhe Institute of Technology, Hermann-von-Helmholtz-Platz 1, Eggenstein-Leopoldshafen 76344, Germany.
Journal of chromatography. A
|June 16, 2024
概括
这项研究开发了新的计算工作流程,以准确预测多模态染色学 (MMC) 中的结. 采用现实的树脂结构的新模型改善了对生物分子净化绑定常数的预测.
科学领域:
- 生物化学 生化学
- 化学工程是化学工程的重要组成部分.
- 计算化学的计算化学
背景情况:
- 在染色学中预测生物分子吸附是具有挑战性的,因为复杂的相互作用.
- 多模态染色学 (MMC) 使用双结合机制,增加复杂性.
- 以前的模型经常使用简化的树脂表面,缺乏现实的骨干结构.
研究的目的:
- 开发和验证用于预测MMC中的结合的新型计算工作流.
- 创建一个基于甲烯酸盐的MMC树脂的全原子模型,包括其骨干.
- 在现实的树脂表面上模拟吸附和结合自由能量.
主要方法:
- 开发了一种基于甲基酸盐的商用MMC树脂的全原子模型.
- 建立了一个用于快速结合的自由能量 (ΔG) 计算的工作流.
- 用10个线性作为结合模拟的目标分子.
主要成果:
- 从计算的 ΔG 值中成功预测了朗格穆尔常数,准确度很高 (R2 = 0.96).
- 开发的模型与更简单,既定的树脂表面模型相比,显示出更优异的预测性能.
- 验证了工作流在预测MMC中的结行为方面的有效性.
结论:
- 新的计算工作流提供了准确的预测结在MMC.
- 结合现实的树脂骨干结构显著提高了模型的预测能力.
- 这些进步为优化生物制药净化下游加工提供了改进的工具.


