铁对于支持能量代谢,线粒体功能和维持细胞氧化还原电位至关重要。过量不稳的铁可以在线粒体中产生活性氧,如果未检查,可以导致持续的氧化应激和最终的细胞死亡。帕金森氏病(PD)和多系统萎缩(MSA)是神经退行性疾病,其特征是局部过量的脑铁和导致的病理领域氧化应激,从而导致铁结合小分子的临床试验以治疗其治疗。ath434是一种具有中度铁亲和力(K D 10 -10)[1]的小分子候选药物,可促进细胞铁外排,减少过量的脑铁和聚集的α-突触核蛋白,可提高神经元的存活,并恢复小鼠PD和MSA模型的运动性能。ATH434目前正在2阶段MSA试验中。div> divprone(DFP)是一种高铁亲和药物(K D 10 -21)[2,3]批准用于治疗全身铁超负荷疾病的批准。由于DFP旨在减少细胞铁储存,因此它具有健康细胞中适应不良的药理作用的潜力[4]。DFP也证明了临床前PD模型的功效。但是,鉴于其现成的大脑进入和高铁亲和力,所需的剂量高于预期,这表明ATH434可能具有独特的有益特性。
Axl 酪氨酸激酶在各种癌细胞系中的高水平表达使其成为开发抗癌药物的有吸引力的靶标。在本研究中,我们根据不同的分子对接方案对 ATP 竞争性 Axl 激酶抑制剂进行了几组计算机筛选。在母体结构修改后,根据其对靶蛋白的最高亲和力确定了最佳类药物候选物。根据研究中应用的三种分子对接算法,我们发现我们新设计的化合物 R5(R428 专利类似物的衍生物)是最有前途的 Axl 激酶抑制剂。分子对接结果与使用 MM-PBSA/GBSA 隐式溶剂化模型的分子动力学模拟一致,证实了 R5 对蛋白质受体的高亲和力。此外,针对其他激酶的选择性测试也揭示了 R5 对 ABL1 和 Tyro3 激酶的高亲和力,强调了其在治疗恶性肿瘤方面的巨大潜力。
CRISPR-Cas 基因编辑的成功在很大程度上依赖于 gRNA 设计的效率和 gRNA-Cas 复合物与目标 DNA 序列的结合亲和力。我们的一位客户在为其应用选择最佳 gRNA 设计时面临挑战。初始 gRNA 候选物是使用计算机工具设计的,尽管被设计为针对相同的基因组区域,但表现出不一致的结合和编辑效率。为了解决这个问题,我们使用了 CRISPR Analytics 平台的 DNA 结合检测来评估与 Cas9 复合的几种 gRNA 候选物与目标 DNA 扩增子的结合亲和力。该检测包括阳性对照 gRNA 和混乱的阴性对照以供比较。结果显示,gRNA 候选物之间的目标 DNA 结合亲和力存在显著差异,其中两种 gRNA(5 和 6)表现出优于其他 gRNA 的结合(图 1)。
摘要:胸腺基质淋巴细胞生成素 (TSLP) 是一种上皮来源的促炎细胞因子,与哮喘和其他过敏性疾病的发展有关。我们利用 Bicycle Therapeutics 的专有噬菌体展示平台来识别对 TSLP 具有高亲和力的双环肽 (Bicycles),由于它与两种受体形成的扩展蛋白质 - 蛋白质相互作用,因此很难用传统的小分子对 TSLP 进行药物治疗。结果表明,命中系列可与热点中的 TSLP 结合,IL-7R α 也使用此热点。在与 TSLP 结合的小肽的第一个 X 射线晶体结构和关键代谢物的鉴定的指导下,我们能够提高该系列在肺 S9 级分中的蛋白水解稳定性,而不会牺牲结合亲和力。这产生了强效的 Bicycle 46,其对 TSLP 具有纳摩尔亲和力( KD = 13 nM),血浆清除率低至 6.4 mL/min/kg,给大鼠静脉注射后的有效半衰期为 46 分钟。■ 简介
在发表的文章中,表3中出现了错误。不幸的是,表3的内容与表2中的内容相同。校正的表3及其标题“多个线性回归分析的结果,以预测使用或购买使用电动驱动器的车辆的准备。RP,风险感知。”出现在下面 在发表的文章中,有一个错误。 在抽象中,变量之间关系的方向无意中逆转。 对抽象进行了更正。 此句子先前指出:“发现汽车的亲和力与对电子燃料和化石燃料的风险感知呈正相关,但与电动驱动器有负相关。”校正后的句子如下:“发现汽车亲和力与对电子燃料和化石燃料的风险感知有负相关,但与电动驱动器相关。”作者对此错误表示歉意,并指出,这不会以任何方式改变文章的科学结论。 原始文章已更新。RP,风险感知。”出现在下面在发表的文章中,有一个错误。在抽象中,变量之间关系的方向无意中逆转。对抽象进行了更正。此句子先前指出:“发现汽车的亲和力与对电子燃料和化石燃料的风险感知呈正相关,但与电动驱动器有负相关。”校正后的句子如下:“发现汽车亲和力与对电子燃料和化石燃料的风险感知有负相关,但与电动驱动器相关。”作者对此错误表示歉意,并指出,这不会以任何方式改变文章的科学结论。原始文章已更新。
来自对照临床试验的越来越多的证据表明迷幻药可能在各种精神疾病中具有治疗益处(Goodwin等,2022; Ko等,2023; Nutt等,2023; 2023; Raison et al。,2023)。经典的血清素能精神用途在5-羟色胺(5-HT)回收体中具有广泛的活性,并通过2A型5-Hydroxytryptamine型(5-HT 2A)受体的部分激动剂(Nichols,2016)产生了特征的意识状态。5-甲氧基-N,N-二甲基丁胺(5-meo-DMT),一种色素生物碱,是一种短效的血清素能迷幻药,于1936年首次合成(Hoshino和Shimodaira,1936年)。5-Meo-DMT是一种5-HT受体激动剂,与各种5-羟色胺受体有亲和力。虽然它与5-HT受体具有广泛的亲和力,但最高的结合亲和力是5-HT 1A受体,其选择性与5-HT 2A受体相比300倍至1000倍(Halberstadt等,2012; Ray,
摘要:小分子药物在临床上有广泛的应用,然而,许多此类药物存在一种或多种不理想的特性,这些特性会阻碍其在体内的输送或细胞作用,甚至会阻碍原本生物可耐受的药物。虽然高通量筛选提供了一种发现具有改变化学性质的药物的方法,但直接设计小分子生物缀合物提供了一种专门调节药物特性的机会,而不是筛选看似“随机”的药物特性的大型药物库。在此,我们提出,选择性地将药物分子“束缚”到具有有利特性的额外基团上将改善药物缀合物的整体特性,例如溶解度。具体而言,我们概述了雷帕霉素 (RAP) 与额外的“高亲和力”基团的位点特异性化学缀合,以提高药物对环糊精基聚合物 (pCD) 的整体亲和力。通过这种方式,我们发现 RAP 对 pCD 的亲和力以及 RAP 从 pCD 微粒的递送窗口增加了三倍,同时又不影响 RAP 的细胞作用。这种合成方法应用于 pCD 的“亲和力”概念,但其他辅基也可以以类似的方式用于修改其他药物特性。这项研究展示了在 pCD 系统中增加小分子药物的药物递送窗口以用于慢性药物治疗的潜力,并引入了改变药物特性以调节聚合物-药物相互作用的想法。
人工智能辅助药物发现 (AIDD) 因其能够使新药搜索更快、更便宜、更有效而越来越受欢迎。尽管它广泛应用于众多领域(例如 ADMET 预测、虚拟筛选),但对带噪声的分布外 (OOD) 学习问题的研究却很少。我们提出了 DrugOOD,一个系统的 OOD 数据集管理和 AIDD 基准。具体来说,我们专注于药物-靶标结合亲和力预测问题,其中涉及大分子(蛋白质靶标)和小分子(药物化合物)。DrugOOD 提供了一个自动化的数据集管理者,具有用户友好的自定义脚本、与生物化学知识一致的丰富领域注释、逼真的噪声水平注释以及 SOTA OOD 算法的严格基准测试,而不是仅提供固定数据集。由于分子数据通常使用图神经网络 (GNN) 主干建模为不规则图,因此 DrugOOD 还可作为图 OOD 学习问题的宝贵试验台。大量的实证研究表明,分布内和分布外实验之间存在显著的性能差距,这强调了需要开发更有效的方案,以允许 AIDD 在噪声下进行 OOD 泛化。