利用AlphaFold2结构空间探索来生成基于结构的虚拟查中的药物标结构

科学领域:

• 计算化学是一种计算化学.
• 结构生物学是结构生物学.
• 药物发现 药物发现

背景情况:

• 基于结构的虚拟查 (VS) 对药物发现至关重要,但往往由于缺乏实验性蛋白质结构而受到限制.
• 像AlphaFold2这样的进步提供了预测的结构,但由于未捕获的连接体诱导的构造变化,直接使用可以产生低于最佳的VS性能.

研究的目的:

• 开发一种修改AlphaFold2预测蛋白质结构的方法,以提高它们对虚拟查的适用性.
• 为了产生更准确的蛋白质构造,更好地代表连接体诱导的过渡,以提高药物发现.

主要方法:

• 提出了一种新的方法来探索和修改AlphaFold2预测的蛋白质结构.
• 通过多重序列对齐 (MSA) 变化引入了氨酸突变在连接体结合部位,以诱导构造变化.
• 利用代联体对接模拟来指导结构探索,优化基因算法或随机搜索的突变策略.

主要成果:

• 提出的方法成功地产生了更容易接受虚拟选的蛋白质构造.
• 一个遗传算法优化策略显著提高了VS准确性,当有足够的活性化合物可用.
• 随机搜索策略在有限的活性化合物数据下被证明更有效.
• 这种方法对在实验确定结构下产生糟糕查结果的目标显示出希望.

结论:

• 修改的AlphaFold2衍生结构为增强药物发现中的虚拟查提供了实际实用性.
• 这种方法扩大了计算预测蛋白质模型的应用,特别是对于具有具有具有挑战性的结构数据的目标.
• 这些发现突出了一个可行的策略,以克服基于结构的药物设计中预测的蛋白质结构的局限性.