Nature:利用几何指纹解开蛋白表面相互作用之谜 |
![]() |
来源:100医药网原创 2023-05-15 11:44
在一项新的研究中,来自瑞士生物信息学研究所的研究人员使用一种生成蛋白表面“指纹”的几何深度学习工具来描述对蛋白-蛋白相互作用至关重要的几何和化学特征。他们指出,他们假设的&ld在一项新的研究中,来自瑞士研究所的研究人员使用一种生成蛋白表面 指纹 的几何深度学习工具来描述对蛋白-蛋白相互作用至关重要的几何和化学特征。他们指出,他们假设的 指纹 导致了分子识别和新蛋白相互作用的重要方面的新见解。相关研究结果发表在2023年5月4日的Nature期刊上,论文标题为 De novo design of protein interactions with learned surface fingerprints 。
蛋白是生物学的物理机器,是使有机生命发挥作用的齿轮、弹簧和阀门。它们让细胞正常运转,药物与生物系统相互作用,以及大多数疾病与生物系统的相互作用。凭借对蛋白的高超掌握,科学可能能够治愈大多数疾病。
在过去的十年里,机器学习与蛋白质组学、基因组测序和分子生物学一起,极大地加速了蛋白研究,使得我们可以预测几乎所有现有的功能结构,设计任何构型的新结构,并合成制造任何可以想象的蛋白。
就蛋白质组学在过去十年中的发展而言,蛋白的亲和力特征仍然难以捉摸。这在一定程度上是因为蛋白是挑剔的和pH依赖性的,具有可变的边缘表面化学和结合位点,这些结合位点是条件和位点特异性的。
新位点特异性蛋白结合物的表面中心设计。图片来自Nature, 2023, doi:10.1038/s41586-023-05993-x。
在这项新的研究中,这些作者追求蛋白之间的结构亲和力,基本上忽略了除表面亲和力之外的一切。抛开关于整体结构、功能和与靶标相似的蛋白相互作用的信息不谈,他们将机器学习重点放在蛋白的表面相互作用以及决定两个分子相互作用最佳机会的几何和化学模式上,然后设计合适的 锁-钥 相互作用。
通过计算蛋白分子表面的指纹,这些作者能够快速可靠地识别出互补的表面片段,这些表面片段可以在4.02亿个候选表面中结合特定的靶标。
通过计算设计了几种新的蛋白结合物来结合四种蛋白靶标:SARS-CoV-2刺突蛋白、PD-1、PD-L1和CTLA-4。一些设计的蛋白结合物是经过实验优化的,而其他设计的蛋白结合物纯粹在数字空间中生成的。他们进行的亲和力预测是高度准确的,因为基于机器学习设计的蛋白结合物成功地结合了它们的靶标。( 100yiyao.com)
参考资料:
Pablo Gainza et al. . Nature, 2023, doi:10.1038/s41586-023-05993-x.
版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。 87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->![](http://news.100yiyao.com/images/logo_news.gif)
![扫描100医药网微信二维码](http://www.100yiyao.net/news/images/qrcode.gif)
- 相关报道
-
- 喝咖啡,别加糖!北京大学最新,每天3杯无糖咖啡,或降低痴呆、帕金森,及相关死亡风险 (2024-09-07)
- 启德医药新一代HER2 ADC GQ1005获批III期临床 (2024-09-07)
- 研究揭示颅内动脉瘤发病的分子机制 (2024-09-07)
- 先声再明与塔吉瑞签订合作协议,引进第三代ALK抑制剂 (2024-09-07)
- Cell:施旺细胞分泌PGE2促进感觉神经元的兴奋性 (2024-09-07)
- Moderna公司最新Cell论文:猴痘mRNA疫苗更有效 (2024-09-06)
- 《自然》:破解新冠致血栓之谜!科学家发现,纤维蛋白竟是新冠病毒作恶的关键,血栓性炎症和神经病理变化均与其有关 (2024-09-06)
- JCR:张翾/何永捍团队开发特异靶向肝脏蛋白降解剂——LIVTAC (2024-09-06)
- 持续改善!玛伐凯泰治疗梗阻性肥厚型心肌病迄今最长疗效和安全性数据公布 (2024-09-06)
- Nature:王开拓等解析丙肝病毒HCV表面糖蛋白E1/E2高阶复合物结构 (2024-09-06)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040