Learning Persistence Through Nanomedicine Research
Rachel Ou，COL '26，新泽西州布里奇沃特 今年夏天，我在宾夕法尼亚大学 Tsourkas 实验室工作，从事一个旨在改进抗体偶联脂质体以进行靶向药物输送的项目。抗体功能化脂质体是强大的工具，因为它们可以传递……
A Machine Learning-Enabled Venom Peptide Platform for Rapid Drug Discovery
用于快速药物发现的机器学习毒液肽平台摘要背景/目标：大自然已进化出数百万种具有多种生物功能的毒液衍生肽，其中很大一部分靶向复杂的膜蛋白，例如 G 蛋白偶联受体和离子通道。许多这些肽通过多个二硫键稳定，赋予它们优异的结构稳定性和有利的药理学特性。方法：利用这种自然多样性，我们开发了一个基于噬菌体展示技术的强大的毒液肽治疗发现系统，并使用大约 482 个毒液衍生支架构建了一个库。该文库设计以机器学习 (ML) 模型为指导，该模型能够预测耐受突变的残基，从而保留肽的可折叠性，最大限度地提高结构完整性和序列多样性。结果：通过筛选四种不同靶标（CD47、DLL3、IL33 和 P2X7R）对所得 VCX
Odontobuthus doriae (Buthidae) 蝎毒 kappa 阿片受体的肽组学和药理学分析摘要蝎毒富含生物活性肽，其中许多作用于离子通道和神经递质系统，但它们与 G 蛋白偶联受体 (GPCR) 相互作用的能力在很大程度上尚未被探索。在这里，我们分析了 Buthidae 科 5 个物种的毒液肽，并评估了它们对 kappa 阿片受体 (KOR) 的活性。基质辅助激光解吸/电离飞行时间质谱 (MALDI-TOF MS) 揭示了质量范围在 2.5 至 4 kDa 之间的物种特异性肽指纹，强调了物种间肽毒素的变异。通过固相萃取预纯化后，放射性配体置换测定表明，Odontobuthus
