预测-GPCR复合物的多角度方法:N/OFQ-NOP系统作为成功的AlphaFold应用案例研究
Antonella Ciancetta1, Davide Malfacini2, Matteo Gozzi1
1Department of Chemical, Pharmaceutical and Agricultural Sciences, University of Ferrara, 44121 Ferrara, Italy.
Journal of chemical information and modeling
|August 13, 2024
概括
研究人员使用人工智能和计算方法准确预测了-GPCR复合体. 这导致发现了一种具有潜在治疗应用的新型诺西塞/孤儿素FQ-NOP受体对抗剂 (3B).
科学领域:
- 计算化学和结构生物学
- 药理学和药物发现
背景情况:
- G蛋白结合受体 (GPCRs) 具有近700个已解决的结构,因此它们非常适合验证结构预测算法.
- 预测活性状态的GPCR-连接体复合体对于理解受体功能和设计治疗方法至关重要.
研究的目的:
- 使用计算方法预测诺西塞丁/孤儿素FQ-NOP受体 (N/OFQ-NOPa) 的活性状态复合体.
- 通过新型类同类的合成和药理测试来验证*in silico*的预测.
主要方法:
- 结合了古典同质模型和基于人工智能 (AI) 的蛋白质模型.
- 利用基于AI的质结构预测和分子对接.
- 设计,合成和药理学特征的新型N/OFQ(1-13)-NH2类似物.
主要成果:
- 成功预测了N/OFQ-NOP受体活性状态复合物,精确度为原子 (Cα RMSD < 1.0 Å).
- 发现了一种新的NOP受体对手 (化合物3B),pKB为6.63.
- 抗体具有一个单环受约束的残留物,在N/OFQ序列中取代Gly2-Gly3动机.
结论:
- 这项研究证明了对-GPCR复合物的第一个原子学预测.
- 以刚性支架成功修改N/OFQ消息部分突出了一个新的药物设计策略.
- 通过实验数据验证了计算预测,从而产生了一类新的NOP受体对抗剂.


