基于机器学习和分子建模的纳米体的设计,以人类的血清素输送器和受体为目标
Binbin Xu1, Jin Liu1, Weiwei Xue1
1Chongqing Key Laboratory of Natural Product Synthesis and Drug Research, School of Pharmaceutical Sciences, Chongqing University, Chongqing, P.R. China.
Advances in protein chemistry and structural biology
|September 19, 2025
概括
计算方法提高了纳米体设计,以改善与GPCR和传送器的结合. 这项研究使用机器学习和结构建模重新设计了纳米体,创建了对5-HT1AR和SERT目标具有优越亲和力的候选人.
科学领域:
- 抗体工程是一种抗体工程.
- 计算生物学是一种计算生物学.
- 结构生物学是结构生物学.
背景情况:
- 纳米体在抗体工程中提供了独特的优势,因为它们的稳定性和向难以实现的蛋白质的能力.
- 计算策略对于优化纳米体有效性至关重要,包括结合亲和力,选择性和性能.
- 机器学习和分子建模方面的进步提高了纳米体的设计和开发.
研究的目的:
- 通过计算来设计和优化具有增强结合能力的纳米体.
- 创建新的纳米体库,并预测它们对特定目标的绑定潜力.
- 识别和重新设计纳米体,以改善与GPCR和传送器的相互作用.
主要方法:
- 在子纳米体库中,使用SCHEMA算法从父母纳米体生成库.
- 机器学习模型预测了纳米体候选人的结合潜力和功能.
- 罗塞塔和AlphaFold2被用于3D结构预测,其次是RosettaDock用于蛋白质-蛋白质对接.
主要成果:
- 生成了纳米体库,并预测了GPCR和传送器的结合亲和关系.
- 确定了与5-HT1AR和SERT结合的最佳纳米体构造.
- 重新设计的纳米体产生了21个5-HT1AR候选物和18个具有增强结合的SERT候选物.
结论:
- 计算方法,包括机器学习和结构建模,对于设计高亲和度纳米体是有效的.
- 该研究成功地确定并重新设计了纳米体,并改善了与5-HT1AR和SERT等治疗点的结合.
- 这项工作展示了加速纳米体发现和工程的强大管道.
更多相关视频
12:21Thermostabilization, Expression, Purification, and Crystallization of the Human Serotonin Transporter Bound to S-citalopram
Published on: November 27, 2016
15.6K
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
5.5K
