机构名称：
¥ 1.0
药物设计中的一个普遍挑战与发现化学修饰的配体增加了其对靶蛋白的影响。未充分利用的前进是结构生物学吞吐量的增加，这已经从手工努力发展到数百种不同的配体对现代同步基因中蛋白质的每月吞吐量。但是，缺失的框架是将高通量晶体学数据转换为配体设计的预测模型的框架。在这里，我们设计了一种简单的机器学习方法，该方法可以预测来自不同配体的实验结构与单个蛋白质与生化测量配对的蛋白质 - 配体。我们的主要见解是使用基于物理的能量描述符来表示蛋白质 - 配体复合物和一种学习对方法，从而渗透到结合模式之间的相关差异。我们针对SARS-COV-2主蛋白酶（M Pro）进行了高通量晶体学运动，获得了200多个蛋白质 - 配体复合物及其结合活性的平行测量。这使我们能够设计一步文库合成，从而提高了两个不同的微摩尔命中的效力，超过10倍，以120 nm的抗病毒效率到达非共价和非肽型抑制剂。至关重要的是，我们的方法成功地将配体扩展到了结合口袋的未开发区域，以简单的化学作用在化学空间中执行大而富有成果的动作。
将高通量结构生物学变成预测抑制剂设计
主要关键词
相关文件推荐
![CEU44A62 & 结构 2 [结构高级设计]](/simg/5/533f242659961a8dd04971bc2cdf0f1d628deb8b.webp)
