相关实验视频
Updated: Jun 11, 2025
13:00
Engineering Antiviral Agents via Surface Plasmon Resonance
Published on: June 14, 2022
2.3K
用机器学习和分子动力学评估一种亲和度增强的抗SARS-CoV2纳米体设计工作流程
Zsolt Fazekas1,2, Dóra Nagy-Fazekas1,2, Boglárka Mária Shilling-Tóth3
1Hevesy György PhD School of Chemistry, Institute of Chemistry, Eötvös Loránd University, Budapest, Pázmány Péter sétány. 1/A, Budapest H-1117, Hungary.
Journal of chemical information and modeling
|October 2, 2024
概括
本研究介绍了一种机器学习工作流程,用于设计针对SARS-CoV-2尖端蛋白受体结合域 (S-RBD) 的纳米体. 工作流成功地确定了野生类型和三角洲变种的增强纳米体结合剂.
科学领域:
- * 计算生物学和生物信息学.
- * 蛋白质工程和药物设计.
- * 传染病研究和疫苗开发.
背景情况:
- *由于速度和成本效益,In silico蛋白结合优化越来越多地优先于In vitro方法.
- * 硬件和机器学习方面的进步提高了in silico策略的可访问性.
- *这些计算方法在应对流行病等全球卫生危机方面发挥了作用.
研究的目的:
- * 提出和评估一个工作流程,用于设计针对SARS-CoV-2尖端蛋白受体结合域 (S-RBD) 的纳米体.
- * 利用机器学习技术与分子动力学模拟相结合,用于纳米体设计.
- *通过实验验证设计的纳米体来评估工作流的可行性.
主要方法:
- * 采用了整合机器学习和分子动力学模拟用于纳米体设计的工作流.
- *使用三个纳米体和两个S-RBD变体测试了工作流,包括in silico设计,细菌表达和结合试验.
- * 经过验证的设计纳米体突变对抗野生类型和三角洲变异S-RBD.
主要成果:
- *成功设计了针对SARS-CoV-2 S-RBD的新型纳米体.
- *确定了两个设计的纳米体,与野生类型的纳米体相比,它们具有更强的结合亲和力.
- *通过实验验证证明了in silico辅助设计策略的有效性.
结论:
- * 拟议的in silico工作流是一种可行和有效的策略,用于设计高亲和度纳米体来对抗像SARS-CoV-2 S-RBD.这样的病毒标.
- * 该研究强调了在纳米体设计中使用计算方法的优点和局限性.
- *这种方法有望加速治疗新兴传染病的治疗方法的开发.
