RoseTTAFold扩散引导的短设计:对抗Keap1/Nrf2的结合剂的案例研究
Francesco Morena1, Chiara Cencini1, Carla Emiliani1,2
1Department of Chemistry, Biology and Biotechnology, Biochemistry and Molecular Biology Section, University of Perugia, Italy.
Computational and structural biotechnology journal
|March 24, 2025
概括
我们开发了一个使用深度学习的计算框架,用于快速发现类药物. 这种方法通过优化针对蛋白质相互作用的序列,有效地识别出有前途的治疗性候选者.
科学领域:
- 计算生物学是一种计算生物学.
- 药物发现 药物发现
- 生物信息学是一种生物信息学.
背景情况:
- 凯普1/Nrf2通路对于细胞抗氧化反应至关重要.
- 设计向类疗法仍然是一个挑战.
研究的目的:
- 开发一个计算框架,以加速发现生物活性.
- 设计针对Keap1 (Kelch-like ECH相关蛋白1) 中特定结合位点的.
主要方法:
- 利用RF扩散用于蛋白质设计和蛋白质MPNN用于序列优化.
- 集成的机器学习模型来预测的特性 (毒性,稳定性,过敏性).
- 采用分子动力学模拟来验证顶级候选者.
主要成果:
- 确定了八个具有有利生物物理性质的高亲和性候选者.
- 验证了设计的强结合相互作用和结构稳定性.
- 使用Keap1作为目标蛋白质证明了框架的有效性.
结论:
- 集成的计算框架使治疗的快速设计成为可能.
- 模块化方法可以适应药物开发中的各种蛋白质标.
- 这种方法显著提高了新药发现的潜力.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
2.7K
10:21Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
Published on: February 23, 2024
4.0K
