通过生成深度学习,分子对接和分子动力学模拟来探索BTK激酶的口袋感知抑制剂
Li-Ting Zheng1,2,3, Kun Qian4, Jun Zhang5
1College of Agriculture and Biological Science, Dali University Dali China ylqbioinfo@gmail.com.
RSC advances
|September 29, 2025
概括
我们开发了一种计算方法来设计布鲁顿氨酸激酶 (BTK) 的口袋感知抑制剂. 两种新型化合物显示出对BTK的有希望的高亲和力和抑制活性,推动了药物发现.
科学领域:
- 计算化学和药物发现
- 分子生物学和激酶抑制.
背景情况:
- 激酶对于细胞过程至关重要,但由于动态口袋构造,开发选择性抑制剂具有挑战性.
- 向激酶口袋需要策略来实现高选择性,亲和力,并最大限度地减少目标外毒性.
研究的目的:
- 提出一个计算框架,用于设计针对布鲁顿氨酸激酶 (BTK) 的J口袋的口袋感知抑制剂.
- 使用集成计算方法识别具有增强结合亲和力和特异性的新型BTK抑制剂.
主要方法:
- 生成型深度学习被用来设计1万个口袋感知分子.
- 多步骤的计算选,包括分子聚类,对接和药用性评估,选择了5种候选抑制剂.
- 分子动力学模拟和能量分解分析阐明了结合机制和亲和关系.
主要成果:
- 五种候选化合物与BTK激酶表现出稳定的相互作用和有利的结合自由能量.
- 与参考抑制剂CFPZ相比,两种候选药物C137和C5598表现出更高的结合亲和力和抑制潜力.
- 涉及特定氨基酸残留物 (Lys29,Arg31,Trp30,Tyr70) 的关键相互作用被确定为稳定结合的关键.
结论:
- 该研究提供了一个计算框架,支持高亲和度,低毒性激酶抑制剂的口袋意识设计.
- 确定了具有高标特异性的新型BTK抑制剂,证明了深度学习在复杂药物开发中的潜力.
- 阐明BTK结合机制为未来的抑制剂设计提供了理论支持.
更多相关视频
08:49Incorporating Target Protein Structure Flexibility and Dynamics in Computational Drug Discovery Using Ensemble-Based Docking Analysis
Published on: June 20, 2025
1.1K
10:21Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
Published on: February 23, 2024
3.7K
