开发基于TSR的计算方法来研究尖端和单克隆抗体相互作用
Tarikul I Milon1, Titli Sarkar1,2, Yixin Chen3
1Department of Chemistry, University of Louisiana at Lafayette, Lafayette, LA, United States.
Frontiers in chemistry
|April 3, 2025
概括
这项研究增强了三角空间关系 (TSR) 算法来分析分子相互作用,改善药物发现的计算生物学. 新的TSR方法准确量化了结构变化,并确定了关键的蛋白质亚结构.
科学领域:
- 计算生物学是一种计算生物学.
- 结构生物学是结构生物学.
- 药物发现 药物发现
背景情况:
- 单克隆抗体 (mAb) 治疗对于降低COVID-19的严重程度至关重要,特别是在高风险人群中.
- 通过3D结构了解尖端蛋白和ACE2/mAb相互作用对于治疗开发至关重要.
- 现有的计算方法在精确的蛋白质结构比较和相互作用预测方面扎.
研究的目的:
- 扩展基于三角空间关系 (TSR) 的算法,用于分析两个分子之间的相互作用.
- 应用这些扩展来理解spike-mAb相互作用的机制.
- 为了解决计算生物学对蛋白质结构分析的局限性.
主要方法:
- 扩展了基本的TSR方法,增加了三种新型的密钥类型:全原子密钥,分子间相互作用的交叉密钥和氨基酸的内部残留密钥.
- 使用整数向量 (键) 来表示3D蛋白质结构,用于简化子结构搜索.
- 开发TSR-STRSUM矩阵以对对氨基酸结构相似性.
主要成果:
- 使用新的TSR密钥量化和解释形状变化和硬质效应.
- 通过全原子键识别六个CDRH3集群和三个CDRL3集群.
- 发现了两种不同的Tyr星团,它们具有特定的三角形几何形状,使用了内部剩余键.
- 建立TSR-STRSUM矩阵用于蛋白质序列和结构比较.
结论:
- 先进的TSR方法有效量化结构变化,并促进跨蛋白质数据集的子结构搜索.
- 这种方法有助于建立蛋白质结构和功能之间的相关性.
- 改进的算法为分析分子相互作用和指导治疗开发提供了强大的工具.
