flap 之间存在动态转换,使所需 DNA 信息有机会 与基因组的靶标链结合,之后 5' flap 会在细胞修复 的过程中被切除,经过 DNA 修复过程,最终实现基 因组信息的修改 ( 图 1 ) 。在这个过程中,融合蛋白 承担了切割目标位点非靶标链和逆转录的双重功 能,而 pegRNA 既引导 PE 识别目标位点,又包含了编辑 所需的信息。通过这 2 个组分, PE 系统实现了识 别、切割、起始逆转录的引物序列结合、逆转录等一 系列过程,并将所需 DNA 信息直接逆转录至目标 位点的断裂处 [ 26 ] 。 PE 系统的设计非常简单精巧,无 需引入 DNA 模板,也不产生双链断裂,是一种非常
牛奶蛋白发挥各种营养,功能和生物学活性。许多牛奶蛋白具有特定的生物学特性,这些特性使这些成分的促进食品的潜在成分。越来越多的注意力集中在源自牛奶蛋白的生理活性肽上。这些肽在父蛋白分子的序列内无活性,可以通过(1)牛奶的胃肠道消化释放,(2)用蛋白水解启动培养物或(3)蛋白水解酶进行水解牛奶。牛奶蛋白衍生的肽已在体内显示出影响各种影响,例如消化,心血管,免疫和神经系统。研究已经确定了主要牛奶蛋白中特定生物活性的大量肽序列,并确定了其释放的条件。最近开发并推出了适合生物活性牛奶肽商业生产的工业规模技术。这些技术基于新兴乳制品成分行业采用的新型膜分离和离子交换色谱方法。在发酵乳制品中发现了各种自然形成的生物活性肽,例如酸奶,酸奶和奶酪。然而,尚未确定这些传统产品中归因于这些传统产品中肽的健康益处。另一方面,已经有几种商业乳制品补充了牛奶蛋白来源的生物活性肽,其健康对健康有益于临床人类研究。可以预见,随着关于牛奶肽的多功能特性和生理功能的更多知识,这种趋势将扩大。r 2005 Elsevier Ltd.保留所有权利。
鉴于与肽稳定性相关的挑战,制定提高肽稳定性的策略至关重要。以下是一些可用于提高肽稳定性的策略:化学修饰可用于通过改变肽的性质(例如电荷、疏水性和构象稳定性)来提高肽稳定性。例如,环化可以通过降低构象灵活性和增加对蛋白酶降解的抵抗力来提高肽的稳定性。肽类似物是经过修饰以提高其稳定性和生物活性的肽。这些修饰可以包括添加非天然氨基酸、修饰肽键和掺入肽模拟物 [3]。
目前可用于治疗转移性、进展性放射性碘 (RAI) 难治性分化型甲状腺癌 (DTC) 和髓样甲状腺癌 (MTC) 的治疗方案有限。虽然有几种全身靶向疗法(如酪氨酸激酶抑制剂)正在评估和实施用于治疗这些癌症,但这些疗法与严重的、有时甚至危及生命的不良事件有关。肽受体放射性核素治疗 (PRRT) 有可能成为治疗生长抑素受体 (SSTR)+ RAI 难治性 DTC 和 MTC 患者的有效且安全的方式。MTC 和某些 RAI 难治性 DTC 亚型(如对常规治疗方式反应较差的 Hürthle 细胞癌)已证明对 PRRT 治疗有良好的反应。虽然目前的文献为 PRRT 在甲状腺癌中的应用带来了希望,但该领域的几个方面仍有待进一步研究,尤其是与其他系统性靶向疗法的直接比较。在这篇综述中,我们全面展望了当前使用各种 PRRT 的转化和临床数据,包括生长抑素类似物的诊断效用、PRRT 的治疗诊断特性以及未来研究的潜在领域。
图1:使用在线UV模块收集的分析数据可实现数据驱动的方法进行合成分析。a)AFPS可以精确监测反应动力学,这与序列的聚集有关。b)在线紫外线痕迹中的聚集被特征在于脱落峰的扩大。聚集通过以下公式计算的聚合因子来量化:AF = WN - HN。wn:最大高度的一半,正常为第一个峰,wn:峰高到第一个峰。如果AF> 20,则将序列视为汇总。c)聚集是由生长的肽链之间的β-呈驱动的。d)利用合成过程中收集的在线紫外线数据,以预测聚集的发生和单个氨基酸的贡献。
摘要:近年来已经确定了超过930,000个蛋白质蛋白质相互作用(PPI),1个,但它们的理化特性与常规药物靶标有所不同,这使使用2种常规小分子作为模态复杂化。环状肽是靶向3种蛋白质蛋白相互作用(PPI)的一种有希望的方式,但是很难预测靶蛋白4环状肽复合物的结构或设计使用5个计算方法与靶蛋白结合的环状肽序列。最近,具有环状偏移的Alphafold已启用了预测环状肽的结构6,从而实现了从头环状肽设计。我们开发了一个环状肽7复合物的偏移,以实现靶蛋白和环状肽络合物的结构预测,而8种具有环状肽络合物复合物偏移量的Alphafold2可以高精度预测结构。我们9还将环状肽复合物的偏移量应用于Afdesign的粘合剂幻觉方案,即使用Alphafold的10新蛋白设计方法,我们可以设计高预测的局部距离11差异测试和比天然MDM2/P53 12结构的单位界面区域的分离差异11差异测试和较低的分离结合能。此外,该方法被应用于其他12种蛋白质肽复合物和13个蛋白质蛋白质复合物。我们的方法表明,可以设计针对PPI的假定环状肽14个序列。15
1 波兰格但斯克理工大学化学学院制药技术和生物化学系,Narutowicza 11/12, 80-233 格但斯克;wioletta.brankiewicz@pg.edu.pl (WB);s169840@student.pg.edu.pl (KS) 2 波兰格但斯克大学化学学院分子生物化学系,80-308 格但斯克;joanna.okonska@phdstud.ug.edu.pl (JO);24556@gumed.edu.pl (JL);anna.legowska@ug.edu.pl (A.Ł.); krzysztof.rolka@ug.edu.pl (KR) 3 纳米结构生物相互作用部门,Hirszfeld 免疫学和实验治疗研究所,波兰科学院,12 Weigla-Street, 53-114 Wrocław,波兰;marek.drab@hirszfeld.pl * 通讯地址:natalia.ptaszynska@ug.edu.pl (NP);piotr.szweda@pg.edu.pl (PS);电话:+48-58-523-5092 (NP);+48-58-347-2440 (PS);传真:+48-58-523-5012 (NP)
在37°C。 孵育30分钟后,将细胞用冰冷的PBS洗涤三次,以停止肽样品的内在化。 要观察新设计的纳米颗粒的线粒体靶向能力,将细胞与mito-tracker(绿色; 1 µm)进一步孵育20分钟,并用冰冷的PBS将三分之一洗涤,以观察与线粒体的样品共定位。 此外,对于核染色研究,将相同的细胞用Hoechst-33258处理,再孵育20分钟,然后用PBS洗涤三次。 接下来,使用caspase-3活性染色试剂盒(Solarbio®Co.,Ltd。北京,中国)评估caspase-3的活性。 将细胞用5 µM CASP-3试剂盒(AC-DEVD-PNA)染色30分钟,用冰冷的PBS洗涤两次。 此测定基于的检测在37°C。孵育30分钟后,将细胞用冰冷的PBS洗涤三次,以停止肽样品的内在化。要观察新设计的纳米颗粒的线粒体靶向能力,将细胞与mito-tracker(绿色; 1 µm)进一步孵育20分钟,并用冰冷的PBS将三分之一洗涤,以观察与线粒体的样品共定位。此外,对于核染色研究,将相同的细胞用Hoechst-33258处理,再孵育20分钟,然后用PBS洗涤三次。接下来,使用caspase-3活性染色试剂盒(Solarbio®Co.,Ltd。北京,中国)评估caspase-3的活性。将细胞用5 µM CASP-3试剂盒(AC-DEVD-PNA)染色30分钟,用冰冷的PBS洗涤两次。此测定基于
RESULTS Compared with GLP-1 receptor agonists, the SGLT-2 inhibitor-GLP-1 receptor agonist combination was associated with a 30% lower risk of major adverse cardiovascular events (7.0 v 10.3 events per 1000 person years; hazard ratio 0.70, 95% confidence interval 0.49 to 0.99) and a 57% lower risk of serious renal events (2.0 v 4.6 events per 1000 person years; hazard ratio 0.43,0.23至0.80)。Compared with SGLT-2 inhibitors, the GLP-1 receptor agonist-SGLT-2 inhibitor combination was associated with a 29% lower risk of major adverse cardiovascular events (7.6 v 10.7 events per 1000 person years; hazard ratio 0.71, 0.52 to 0.98), whereas serious renal events generated a wide confidence interval (1.4 v 2.0 events per 1000 person years; hazard ratio 0.67, 0.32至1.41)。次要结果产生了相似的结果,但具有更大的置信区间。
近几十年来,治疗性肽已被证明具有巨大的药用价值和潜力。然而,人工智能辅助肽药发现的方法尚未充分探索。为了填补这一空白,我们提出了一种基于环面流形上的条件流匹配的靶标感知肽设计方法(PPF LOW),为肽结构设计建模扭转角的内部几何形状。此外,我们建立了一个名为PPBench2024的蛋白质-肽结合数据集,以填补基于结构的肽药物设计任务的海量数据空白并允许深度学习方法的训练。大量实验表明,与基线模型相比,PPF LOW 在肽药物生成和优化任务中达到了最先进的性能,并且可以推广到包括对接和侧链包装在内的其他任务。