对GluN3 NMDA受体的结构预测
Yunsheng Liu1,2, Da Shao3, Shulei Lou4
1Cancer Center, Shenzhen Hospital (Futian) of Guangzhou University of Chinese Medicine, Shenzhen, China.
Frontiers in physiology
|September 4, 2024
概括
人工智能建模揭示了N-甲基-D-酸盐 (NMDA) GluN1-N3受体的独特结构,与GluN1-N2类型不同. 这加深了对NMDA受体多样性的理解,并有助于药物开发.
科学领域:
- 神经科学是一个神经科学.
- 结构生物学 结构生物学
- 计算生物学 计算生物学
背景情况:
- N-甲基-D-酸盐 (NMDA) 受体是关键的离子通道,参与了突触可塑性.
- 研究主要集中在GluN1-GluN2 NMDA受体上,使GluN1-N3亚型的理解较少.
- 了解NMDA受体的结构多样性是神经药物开发的关键.
研究的目的:
- 为了建模和描述GluN1-N3A,GluN1-N3B和GluN1-N3A-N3BNMDA受体的结构.
- 将GluN1-N3受体的结构性质与已确定的GluN1-N2亚型进行比较.
- 为了预测连接体结合的形状,并确定关键的分子相互作用.
主要方法:
- 利用深度学习的蛋白质结构预测算法,AlphaFold和RoseTTAFold全原子.
- 模拟了GluN1-N3A,GluN1-N3B和GluN1-N3A-N3B的NMDA受体复合体. 这是一个很好的模型.
- 将预测的结构与GluN1-N2和GluN1-N3A受体的现有冷电子显微镜 (cryo-EM) 数据进行了比较.
主要成果:
- 与GluN1-N3 NMDA受体相比,GluN1-N3 NMDA受体表现出不同的亚单元安排,域交换和域相互作用.
- 预测的结构揭示了对受体功能至关重要的独特的分子残留相互作用.
- 激动剂和对抗剂结合的模型突出显示了潜在的全位和药物相互作用点.
结论:
- 该研究揭示了NMDA受体亚型中的显著结构和功能多样性.
- 由人工智能驱动的结构建模为非传统的GluN1-N3 NMDA受体提供了新的见解.
- 这些发现为开发通过利用NMDA受体亚型特异性来治疗神经系统疾病的向治疗提供了基础.
更多相关视频
09:49Combined Optogenetic and Freeze-fracture Replica Immunolabeling to Examine Input-specific Arrangement of Glutamate Receptors in the Mouse Amygdala
Published on: April 15, 2016
11.0K
11:24High Precision FRET at Single-molecule Level for Biomolecule Structure Determination
Published on: May 13, 2017
10.7K
