用于对接屏幕的AlphaFold
Amauri Duarte da Silva1, Walter Filgueira de Azevedo2
1Graduate Program in Information Technologies and Health Management, Federal University of Health Sciences of Porto Alegre, Porto Alegre, RS, Brazil.
Methods in molecular biology (Clifton, N.J.)
|October 11, 2025
概括
这项研究使用AlphaFold蛋白结构和Molegro虚拟Docker来预测循环林依赖激酶19 (CDK19) 抑制. 建立了一个神经网络模型,以指导CDK19的抗癌药物开发,这种蛋白质缺乏实验数据.
科学领域:
- 计算生物学是一种计算生物学.
- 人工智能在药物发现中的作用
- 结构生物信息学 结构生物信息学
背景情况:
- AlphaFold提供了人工智能生成的蛋白质3D结构,可以通过AlphaFold蛋白质结构数据库 (AlphaFoldDB) 访问.
- 对于某些蛋白质的实验结构数据,如循环林依赖激酶19 (CDK19),通常是不可用的.
- CDK19是开发新型抗癌疗法的重要目标.
研究的目的:
- 展示AlphaFold模型在虚拟查和药物发现工作流程中的实用性.
- 使用计算方法开发CDK19抑制的预测回归模型.
- 整合人工智能驱动的结构预测与分子对接模拟用于药物标分析.
主要方法:
- 使用AlphaFold生成的蛋白质结构来对接Molegro虚拟Docker的对接屏幕.
- 采用Jupyter笔记本集成对接模拟和分析蛋白质-合体复杂原子坐标.
- 基于对接结果和CDK19抑制剂的结合亲和数据,使用Molegro数据建模器构建了一个神经网络回归模型.
主要成果:
- 成功构建了一个神经网络回归模型来预测CDK19抑制.
- 展示了一种工作流程,集成AlphaFold结构,对接和机器学习,用于药物目标建模.
- 为可重复性和进一步研究提供开放访问数据集和Jupyter笔记本.
结论:
- AlphaFold模型可以有效地用于对接屏幕,用于药物发现,针对缺乏实验结构数据的蛋白质.
- 开发的计算方法有助于预测像CDK19.9这样的标的抑制剂疗效.
- 这项研究强调了人工智能和计算工具在加速抗癌药物开发方面的潜力.


