你需要多少晶体结构才能相信你的对接结果?
Alexander Matthew Payne1,2, Benjamin Kaminow3,2, Hugo MacDermott-Opeskin4
1Tri-Institutional Ph.D. Program in Chemical Biology, Weill Cornell Medical College, New York, New York 10065, United States.
bioRxiv : the preprint server for biology
|October 3, 2025
概括
一个简单的分子相似性策略有效地预测了用于药物发现的蛋白质连接体姿势. 这种使用模板引导对接的方法是稳定的,即使结构数据有限,也有助于基于结构的药物设计.
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:
- 基于结构的药物发现依赖于精确预测蛋白质-连接体复合体的位置.
- 实验结构是理想的,但成本高昂;因此,利用现有数据对于高效的设计推断至关重要.
研究的目的:
- 评估在结构启用药物发现中生成对接姿势的流行的策略.
- 探索晶体结构采购成本和预测准确性之间的权衡.
- 确定可靠的方法来预测新设计的分子的姿势.
主要方法:
- 利用来自开放科学COVID Moonshot项目的数据,包括晶体学查数据.
- 雇佣了回顾性和前性分析来评估对接姿势生成策略.
- 应用分子相似性来识别模板引导对接的相关结构.
主要成果:
- 使用分子相似性进行模板引导对接的简单策略成功预测了SARS-CoV-2主要病毒蛋白酶的姿势.
- 脚手架系列的基于模板的对接被证明是稳健的,即使有有限的可用结构数据.
- 该研究开发了一个开源管道,并为自动化姿势建模策划了数据集.
结论:
- 通过模板引导对接利用现有的结构数据是基于结构的药物发现的高效和强大的策略.
- 开发的管道和数据集促进了下游任务,如姿势评分,机器学习和具有约束力的自由能量计算.
- 这种方法提高了药物发现计划中合成化合物的优先级.
更多相关视频
05:08Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
Published on: July 8, 2025
949
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
2.2K
