XiaoMi-AI文件搜索系统
World File Search SystemAffinity
用于蛋白质 - 小分子相互作用的多模式变压器网络增强了药物目标亲和力和酶 - 基底预测
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年8月22日发布。 https://doi.org/10.1101/2023.08.21.554147 doi：Biorxiv Preprint
评估终点方法预测蛋白激酶抑制剂的结合亲和力趋势的能力
蛋白激酶（PK）酶是巨大的超家族的一部分，在各种细胞活化事件中起着重要作用。1 PK酶会催化磷酸基团在酶（苏氨酸，丝氨酸，酪氨酸和组氨酸）中存在于酶的催化位点（也称为ATP结合位点）中，这代表了调节酶活性的关键过程。PK酶的三维结构是由两个域（也称为Lobes）形成的，它们通过固定铰链区域相互关联。这两个结构域之间的界面形成了疏水性CLE构造ATP结合位点（图1）。较小的N端子结构域由B-表格（B 1 - B 5）和一个螺旋（称为C）构成，而第二个C末端域则由多个A螺栓（A D - A I）富集。2 - 4 PK酶共享一些2 - 4 PK酶共享一些
脂质纳米粒子的物理化学趋向性和亲和性部分靶向性相结合可增强器官靶向性
摘要：目前已出现两种将纳米粒子靶向特定器官和细胞类型的方法：亲和部分靶向和物理化学趋向性。在这里，我们直接比较和结合使用旨在靶向肺部的静脉 (IV) 脂质纳米粒子 (LNP)。我们利用 PECAM 抗体作为亲和部分，利用阳离子脂质作为物理化学趋向性。这些方法产生的肺摄取量几乎相同，但 aPECAM LNP 显示出更高的内皮特异性。结合这些靶向方法的 LNP 的肺摄取量比单独使用任何一种方法高 2 倍以上，并且显著增强了上皮摄取量。为了确定肺部吸收是否是因为肺部是静脉注射下游的第一个器官，我们比较了静脉注射和颈动脉内 (IA) 注射，发现 IA 联合靶向 LNP 在首过器官大脑中达到每克注射剂量的 35% (%ID/g)，是报道中最高的。因此，结合亲和部分和物理化学策略可提供单独任何一种靶向方法都无法实现的好处。关键词：肝外递送、物理化学、抗体介导、肺靶向、细胞类型表达
3DProtDTA：基于残基水平蛋白质图的药物靶标亲和力预测的深度学习模型
管道。在这方面，评估药物靶标结合能力 (DTA) 的计算方法非常有趣 4，因为 DTA 通常被认为是预测药物效果的最佳指标之一。准确预测 DTA 对于筛选出低效分子并防止其进入临床试验至关重要，因此近年来开发了大量计算 DTA 技术。最准确的 DTA 计算估计可以通过原子分子动力学模拟（经典、量子或混合）与计算配体结合自由能的现代技术之一相结合获得。5 然而，准确性是以非常高的计算需求为代价的，这使得这些方法通常不适用于大规模虚拟筛选。这就是为什么在现代药物发现中估计 DTA 的常用方法是分子对接，它在准确性和计算效率之间提供了合理的折衷。 6 然而，人们普遍认为，分子对接中使用的经验评分函数已经接近实际的准确度极限，如果不引入额外的计算负担，这一极限不太可能得到改善。为了解决这些缺点，开发了用于确定 DTA 的经典机器学习 (ML) 方法。这些方法不依赖于计算目标蛋白质和配体之间的物理相互作用。它们纯粹基于知识，依赖于类似配体倾向于
药物靶标突变导致蛋白质-药物结合亲和力变化的计算研究
以及合成抗菌剂。尽管大多数感染仍可通过小分子药物治疗，但耐多药菌株已变得越来越普遍，对人类和动物的健康和福祉构成了严重威胁。许多其他病原体，如病毒、真菌和单细胞寄生虫，已对现有的药物库产生了部分或完全耐药性。靶向癌症疗法也面临同样的问题。这些药物的目的是通过靶向肿瘤特有的细胞生长和增殖机制来抑制肿瘤的生长；此类药物通常在治疗开始时效果很好，但肿瘤细胞逐渐对治疗产生耐药性。对抗癌化疗的耐药性也很常见。病毒、癌细胞和微生物对治疗产生耐药性的最普遍机制之一是作为分子药物靶标的蛋白质发生突变。3 氨基酸残基的单一替换就足以导致耐药性。认识到耐药性迟早会出现，我们需要开发出更好的治疗方案来避免耐药性。联合疗法在疗效和降低耐药性风险方面通常比单一药物表现更好，但也可能导致额外的副作用，并增加多种药物的毒性和药物间相互作用的风险。此外，一旦联合疗法因耐药性而失败，其他疗法的可用性就会受到限制。因此，迫切需要开发更适合对抗耐药性突变的新疗法。开发克服耐药性突变的新药需要了解导致耐药性的因素。在某些情况下，检查药物结合分子靶标的晶体结构就足以设想突变如何导致耐药性。然而，在许多情况下，情况更加复杂，因为突变残基并不位于药物附近，而且不清楚为什么会选择突变并导致耐药性。要充分解释突变对耐药性的影响，需要了解靶蛋白的动力学及其如何与药物结合。基于模拟的方法已经达到了足够准确的程度，可以深入了解此类过程并提供有关耐药性的线索。4 在某些情况下，这种模拟足以充分解释药物结合热力学的变化。在其他情况下，需要结合结构、生物物理和计算研究的数据。本文的目的是对用于此目的的方法进行概述。在从进化的角度简要介绍抗性突变后，详细讨论了结合亲和力（描述了用于估计这些亲和力的实验和模拟方法）。准确估计突变后的结合亲和力变化将大大提高我们设计更好药物的能力。不幸的是，这在许多情况下并不简单，在调查可用的计算方法后，本文详细讨论了当前的限制以及绊脚石。最后，介绍了一些使用模拟来更好地理解耐药性的案例研究。为了完整起见，在结论部分之前简要讨论了可能导致耐药性的其他因素。
3DPROTDTA：基于残基级蛋白图的药物目标亲和力预测的深度学习模型
准确预测硅中的药物目标亲和力（DTA）对于现代药物发现至关重要。在药物开发的早期阶段应用的DTA预测的计算方法，能够大大降低其成本。最近提出了基于机器学习的广泛方法进行DTA评估。它们最有前途的是基于深度学习技术和图形神经网络来编码分子结构。Alphafold做出的蛋白质结构预测的最新突破使得无前前数量的蛋白质，而没有实验定义的结构可用于计算DTA预测。在这项工作中，我们提出了一种新的深度学习DTA模型3DPROTDTA，该模型与蛋白质的图表结合使用了Alphafold结构预测。该模型优于其在通用基准数据集上的竞争对手，并且具有进一步改进的潜力。
开发适合适体生物传感器的CD10重组人Neprilysin蛋白的高亲和力适体
许多炎症关节疾病与CD10蛋白的表达相关，CD10蛋白在炎症和疼痛传播信号中起很大作用。这种促炎性机制是人类肌肉骨骼组织中各种关节的关节软骨降解的主要指标。CD10在间充质干细胞（MSC）中的表达与其免疫调节和软骨保护作用直接相关。因此，该项目着重于开发基于适应性的生物传感器，该生物传感器将检测CD10表达而不会扰动样品。适体是一个小的单链核酸分子，可以折叠成独特的结构，从而使它们能够高特异性与各种分子蛋白靶标结合。这使他们能够检测出大量的高和低丰度分子。该项目的第一步是使用称为SELEX（指数富集对配体的系统演变）的过程为CD10开发高亲和力适体。我们从一个初始的单链RNA库开始，该库包含大约10 14个不同的序列。将RNA文库与溶液中的CD10蛋白一起孵育。然后使用硝酸纤维素滤光片将蛋白-RNA复合物与未经膜的RNA分离。然后，在对RNA进行逆转录和PCR之前，我们将蛋白质与RNA分开。第一轮之后的最终产物包含与CD10蛋白结合的ssRNA分子。我已经完成了2轮SELEX，并有令人鼓舞的结果。此过程将重复大约10次，使我们能够识别与CD10高亲和力结合的RNA适体。这是开发适体CRISPR传感器的关键步骤，因为某些样品的CD10表达较低。
高亲和力PAN-PI3K结合模块支持PI3Kα
PIK3CA基因座经常在各种肿瘤范围内突变，编码可药的激酶P110 a。尽管这一目标显然有希望，但针对该目标的药物开发一直具有挑战性。大多数p110 A抑制剂都因缺乏同工型特异性城市而受到阻碍。即使是Alpelisib（例如Alpelisib），也显示了代谢不良的作用，尤其是高血糖和高胰岛素血症，其中2主要是由于pan-PI3K抑制作用抑制葡萄糖进口，这反过来促使胰岛素分泌。这种反活性反应不仅破坏了药物的效果，甚至会促进肿瘤的生长。3，如果抑制剂具有完全同种型的选择性，则这些代谢不良效应将得到缓解，因为相关PI3KS之间具有显着的功能冗余。最近的一份报告4表明，p110 a的高官能接合可以导致蛋白质降解在有限数量的表达突变p110 A的细胞系中，同时保留了野生型。while
文章 - SARS COV-2主要蛋白酶中的生物学和应用科学突变降低了Boceprevir亲和力
摘要：严重急性呼吸综合症冠状病毒2（SARS-COV-2）引起的冠状病毒疾病2019年（COVID-19）是全球健康紧急情况。主要蛋白酶（M Pro）对于冠状病毒的生命周期至关重要。boceprevir是SARS-COV-2 M Pro的潜在抑制剂和药物候选者。在这项研究中，研究了M PRO的蛋白质结构的变化，这是由于SARS-COV-2突变以及这些变化对Boceprevir亲和力的影响（重要的潜在治疗剂）。用RDP4和Megax分析了突变。通过Promod3产生了突变M Pro的三维模型。定性模型能量分析，下原和或而者是用于野生型和突变体M蛋白的结构验证和建模。使用I-Tasser TM得分计算野生型和突变体M Pro的拓扑差异。使用Autodock 4.2进行分子对接。使用Dynomics创建了功能动态结构模型。在SARS-COV-2的M Pro中检测到了七个突变（L89F，K90R，P108，A191V，T224A，A234V和S254F）。突变导致潜在的蛋白酶抑制剂Boceprevir的亲和力降低。Boceprevir停靠到M Pro的活性位点，对于野生型和突变体而言，结合能分别为-10.34和-9.41 kcal.mol -1。通过弹性网络模型分析计算的Debye – Waller因子分别为0.58和0.64Å2，野生型M Pro和Mutant M Pro分别为0.58。是SARS-COV-2的重要药物靶标的结构中的突变可能会使现有的治疗疗法无效。
ATH434的有效抗氧化剂和线粒体保护作用，这是一种新型的α-突触核蛋白聚集的抑制剂，具有中等铁结合亲和力
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。