以人工智能为指导,利用CycleRFdiffusion和实验验证的方法设计针对TREM2的循环结合剂
Sungwoo Cho1, Renjie Zhu2, Katarzyna Kuncewicz3
1Department of Radiology, Molecular Imaging Innovations Institute (MI3), Weill Cornell Medicine, New York, NY 10065, USA.
Bioorganic & medicinal chemistry letters
|December 23, 2025
概括
研究人员开发了一种人工智能管道,以设计向肌肉细胞表达的触发受体2 (TREM2),这是阿尔茨海默病的关键蛋白质的循环. 他们发现了一种结剂TP4,证明了药物发现的新方法.
科学领域:
- 神经科学是一个神经科学.
- 生物化学 生物化学
- 计算生物学 计算生物学
背景情况:
- 在骨髓细胞2 (TREM2) 上表达的触发受体对微质功能至关重要,也是阿尔茨海默病的治疗点.
- 现有的TREM2疗法主要以抗体为基础,具有有限的小分子或类选择.
研究的目的:
- 建立一个人工智能驱动的管道,用于设计针对TREM2.2的循环.
- 确定和验证TREM2的新型循环结合剂.
主要方法:
- 整合CycleRFdiffusion,ProteinMPNN和HighFold用于人工智能驱动的体设计和结构选.
- 针对TREM2结构的1500个类标复合物的选.
- 使用光谱转移,微尺度热泳和表面等离子体共振进行生物物理验证.
主要成果:
- 根据结构和能量标准优先考虑四个候选物.
- 确定TP4作为一个弱但可重复的TREM2结合剂.
- 在药理动力学分析中,TP4表现出良好的血和中度的代谢稳定性.
结论:
- 该研究提出了一个可通用的AI框架,用于循环的发现.
- 这项工作为TREM2向循环结合剂提供了第一个概念验证,为阿尔茨海默病开辟了新的治疗途径.
