使用类似AlphaFold3的模型和分子动态的Cryo-EM配体构建
Nandan Haloi1, Rebecca J Howard1,2, Erik Lindahl1,2
1Department of Applied Physics, Science for Life Laboratory, KTH Royal Institute of Technology, Stockholm, Sweden.
PLoS computational biology
|August 11, 2025
概括
本研究介绍了一种人工智能驱动的方法,使用冷电子显微镜 (cryo-EM) 地图精确建模与蛋白质结合的小分子. 这种方法增强了冷EM数据中的联结体适配,改善了蛋白质-联结体相互作用的结构分析.
科学领域:
- 结构生物学 结构生物学
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 低温电子显微镜 (cryo-EM) 可实现高分辨率的生物分子结构确定.
- 在冷EM图中精确建模小分子连接体仍然具有挑战性.
- 现有的建模方法往往以蛋白质为中心,限制了它们的应用到不同的连接体.
研究的目的:
- 开发和验证一种集成方法,用于将小分子安装到冷EM密度图中.
- 为了提高通过冷EM确定的连接体-蛋白质复杂结构的精度和分辨率.
- 在冷EM研究中为模拟各种小分子提供强大的管道.
主要方法:
- 人工智能 (AI) 与冷电磁密度引导模拟的整合.
- 使用蛋白质序列,配体信息和实验冷电磁图作为输入.
- 在分子动力学模拟中采用灵活的配合来改进连接体的位置.
主要成果:
- 在各种蛋白质-连接体复合体 (激酶,GPCR,溶解物转运体) 上成功验证.
- 在联体模型与地图交叉相关性显著改善,从40-71%到82-95%与模拟.
- 演示了AI能够预测实验性联结体姿势的能力,模拟进一步提高了准确性.
结论:
- 开发的管道提供了一种简单的方法,用于在冷EM中建模配体-蛋白质复合体.
- 这种方法提高了小分子相互作用的结构数据的分辨率和可靠性.
- 通过原子水平的洞察力,更深入地了解小分子如何调节生物功能.
更多相关视频
07:33Analyzing Protein Architectures and Protein-Ligand Complexes by Integrative Structural Mass Spectrometry
Published on: October 15, 2018
14.4K
08:49Incorporating Target Protein Structure Flexibility and Dynamics in Computational Drug Discovery Using Ensemble-Based Docking Analysis
Published on: June 20, 2025
527
