针对目标蛋白的高亲和性在超大虚拟图书馆中进行选
Boyuan Xue1, Ruixue Li1, Zhao Cheng1
1Center for Sensor Technology of Environment and Health, School of Environment, Tsinghua University, Beijing 100084, China.
ACS central science
|December 5, 2024
概括
这项研究引入了一种用于高通量虚拟查 (HTVS) 的新型定向突变策略,以发现高亲和. 这种方法有效地发展了用于诊断和治疗应用的庞大的虚拟类图书馆.
科学领域:
- 计算化学是一种计算化学.
- 分子建模分子建模
- 药物发现 药物发现
背景情况:
- 高通量虚拟查 (HTVS) 对于识别具有高亲和力,以诊断和治疗为目标蛋白的来说至关重要.
- 在HTVS中扩大库多样性仍然是确定最佳候选人的挑战.
研究的目的:
- 提出一个新的设计策略,使用指导突变驱动的HTVS来演变大型虚拟库.
- 选显示对各种蛋白质标具有超高亲和力的.
主要方法:
- 创建了一个计算机生成的10^4随机15-mer基架的图书馆.
- 一个自主开发的算法能够使用Autodock Vina.使用并行HTVS.
- 最好的1%的设计经历了6代随机突变 (20%的率),理论上将图书馆扩展到1014个成员.
主要成果:
- 该策略应用于包括α胎儿蛋白 (AFP),SARS-CoV-2 RBD和诺罗病毒P域在内的目标.
- 对于所有三个目标,成功地确定了纳米分子范围的高 afinity .
- 这种方法证明了节能和高效率的设计.
结论:
- 这种定向突变驱动的HTVS策略有效地产生了庞大的虚拟类图书馆.
- 它可以为健康和环境应用提供有效的高 afinity 的成本效益开发.
- 该方法为基于的诊断和治疗提供了新的机会.
更多相关视频
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.4K
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
4.9K
