通过使用重新设计的BARR方法进行高效采样来提高结合亲和力预测:对GPCR目标进行测试
Minkyu Kim1, Jian Jeong1, Donghwan Kim2
1inCerebro 8F Nokmyoung Bldg, 8 Teheran-ro 10-gil, Gangnam-gu Seoul Korea 06234 artcho@incerebro.com.
Chemical science
|May 30, 2025
概括
这项研究通过改进分子模拟采样,增强了对联体受体结合亲缘关系的预测. 重新设计的贝内特接受率 (BAR) 方法与膜蛋白的实验数据有很强的相关性.
科学领域:
- 计算化学的计算化学
- 分子动力学分子动力学
- 结构生物学 结构生物学
背景情况:
- 通过计算预测连接体-受体结合亲和力是至关重要的,但在分子模拟中样本采集不足往往受到限制.
- 由于采样限制,现有的方法难以准确验证实验结果.
- 重新采样分子轨迹是克服这些挑战的关键策略.
研究的目的:
- 提出和验证一种用于高效分子采样的新型模拟协议.
- 为了提高采样效率,重新设计贝内特接受率 (BAR) 方法.
- 评估该协议在包括GPCR在内的多种膜蛋白标中的性能.
主要方法:
- 重新设计贝内特接受率 (BAR) 方法以提高采样效率.
- 将修改后的BAR方法应用于膜蛋白点的分子动力学模拟.
- 在已知结合亲和性的G蛋白合受体 (GPCR) 上测试该协议.
主要成果:
- 拟议的模拟协议实现了对复杂分子系统的有效采样.
- 基于BARR的有约束力的自由能量计算显示出与实验数据有很强的相关性.
- 该方法证明对各种膜蛋白点有效,包括各种GPCR.
结论:
- 重新设计的BARR方法提供了一种有效和高性能计算方法,用于绑定亲和力预测.
- 该协议提高了用于药物发现和生物物理学的分子模拟的准确性和可靠性.
- 该研究验证了增强型采样协议在具有挑战性的膜蛋白标中有效的适用性.
更多相关视频
08:21Monitoring GPCR-β-arrestin1/2 Interactions in Real Time Living Systems to Accelerate Drug Discovery
Published on: June 28, 2019
7.0K
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.5K
