一个计算工作流程,用于结构导向设计强效和选择性激酶基质的基质
Abeeb A Yekeen1,2, Cynthia J Meyer1,2, Melissa McCoy2
1Department of Biochemistry, University of Texas Southwestern Medical Center 5323 Harry Hines Blvd, Dallas, TX 75390-9038, USA.
bioRxiv : the preprint server for biology
|July 9, 2025
概括
研究人员开发了Subtimizer,这是一个用于设计酶基质的AI管道. 这种方法显著增强了基质活性和选择性,有助于药物发现和激酶研究.
科学领域:
- 生物化学和分子生物学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 基因酶是细胞信号的关键调节者,也是药物开发中的关键标.
- 为测试设计有效的激酶基质是具有挑战性的,但对研究至关重要.
研究的目的:
- 为了介绍Subtimizer,一个结构引导的激酶基质基质设计的计算管道.
- 为了改善酶基质活性,特异性和 afinity 增强的测试开发.
主要方法:
- 使用AlphaFold-Multimer进行蛋白质结构建模.
- 使用ProteinMPNN进行序列设计和AlphaFold2进行界面评估.
- 将Subtimizer管道应用于五种不同的激酶.
主要成果:
- 在五种激酶中,有四种激酶的活性显著改善 (高达350%) 经过设计的.
- 设计的表明迈克利斯常数 (Km) 减少了2倍以上,表明增强了酶基质亲和力.
- 两种设计的体在选择性方面呈现了5倍以上的改善.
结论:
- 人工智能驱动的,结构引导的蛋白质设计是有效的,用于创建强大和选择性的激酶基质.
- 亚优化器促进了用于药物发现和基因组调查的改进激酶试验的开发.


