基于深度学习的比较预测和SARS-CoV-2内在无序区域的功能分析
Sidra Ilyas1, Abdul Manan2, Donghun Lee1
1Department of Herbal Pharmacology, College of Korean Medicine, Gachon University, 1342 Seongnamdae-ro, Sujeong-gu, Seongnam-si 13120, Republic of Korea.
在SARS-CoV-2蛋白质中的内在无序区域 (IDR) 是病毒功能和免疫反应的关键. 这些地区显示出新型小分子药物针对COVID-19的潜在目标.
科学领域:
- 生物化学 生物化学
- 病毒学 病毒学
- 药物发现 药物发现 药物发现
背景情况:
- 内在无序区域 (IDR) 对蛋白质的功能和调节至关重要.
- SARS-CoV-2蛋白质含有IDRs,它们在病毒病原和宿主相互作用中起着重要作用.
- 针对IDRs提供了一个有前途的战略,用于开发新型抗病毒疗法.
研究的目的:
- 调查SARS-CoV-2蛋白质组内IDRs的流行率和功能意义.
- 评估深度学习模型在预测SARS-CoV-2蛋白质内在无序区域方面的有效性.
- 确定针对COVID-19的小分子药物开发的潜在治疗点.
主要方法:
- 利用现有文献中的经过实验验证的IDR.
- 应用了四种基于深度学习的疾病预测模型:ADOPT,PONDR® VLXT,PONDR® VSL2和flDPnn.
- 分析了SARS-CoV-2关键蛋白质的疾病预测,包括NSP1,ORF3a,核体 (N) 蛋白和尖端蛋白子单元 (S1和S2).
主要成果:
- 深度学习模型准确地预测了SARS-CoV-2蛋白质中已知的IDR,模型之间的灵敏度有所不同.
- 在NSP1,ORF3a (对局部化和免疫调节至关重要),N蛋白和尖端蛋白的S2子单元的区域中发现了显著的障碍.
- 证实了实验发现,并突出了具有潜在功能和治疗相关性的特定混乱区域.
结论:
- IDRs是SARS-CoV-2基本功能的组成部分,包括蛋白质定位,免疫调节,受体结合和膜融合.
- 这项研究证实了计算工具在病毒蛋白质组中识别IDR的实用性.
- SARS-CoV-2 IDRs代表了开发小分子抑制剂的可行目标,以对抗COVID-19.
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
10:34Probing RNA Structure with Dimethyl Sulfate Mutational Profiling with Sequencing In Vitro and in Cells
Published on: December 9, 2022
相关概念视频
Intrinsically Disordered Proteins
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
Protein Folding Quality Check in the RER
Evolutionary Relationships through Genome Comparisons
Leaky Scanning
