在生物活性的发现和表征中的分子建模
Clement Agoni1,2,3, Raúl Fernández-Díaz1,4, Patrick Brendan Timmons5
1School of Medicine, University College Dublin, D04 C1P1 Dublin, Ireland.
Biomolecules
|April 30, 2025
概括
分子建模通过分析结构和相互作用来帮助生物活性的发现. 先进的人工智能工具,如AlphaFold和蛋白质语言模型,可以提高预测能力,尽管在非正规氨基酸方面仍然存在挑战.
科学领域:
- 计算化学和结构生物学
- 生物信息学和人工智能在药物发现中的作用
背景情况:
- 分子建模对于理解生物活性的结构,功能和相互作用至关重要.
- 像氨基酸组成和序列这样的性质会影响稳定性,折叠性和对象的结合.
- 传统的方法包括同质模型,分子对接和分子动力学 (MD).
研究的目的:
- 审查生物活性的发现和表征的分子建模的最新进展.
- 突出人工智能 (AI) 和深度学习对结构和功能预测的影响.
- 确定设计疗法的当前挑战,特别是关于非正规修改的挑战.
主要方法:
- 利用固有的性质 (组成,序列,长度) 进行预测建模.
- 采用同质模型来基于已知的模板进行结构预测.
- 应用分子对接和分子动力学 (MD) 对-标相互作用.
- 利用像AlphaFold和蛋白质语言模型 (PLMs) 这样的深度学习工具来提高预测.
主要成果:
- 包括AlphaFold和PLM在内的AI集成显著改善了形和相互作用预测.
- 这些先进的模型提供了残留水平准确性估计,有助于解释.
- 方法学的发展提高了对正规,修饰和循环的预测.
结论:
- 分子建模,特别是人工智能,正在改变生物活性的发现.
- 准确预测的结构和功能对于治疗开发至关重要.
- 结合非正规氨基酸和循环仍然是未来酸设计方法的关键挑战.
更多相关视频
08:48Development of a Backbone Cyclic Peptide Library as Potential Antiparasitic Therapeutics Using Microwave Irradiation
Published on: January 26, 2016
11.8K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
951
