瑞士洛桑瑞士生物信息學研究所的研究人員使用了一種幾何深度學習工具,該工具可生成蛋白質(zhì)表面的“指紋”,以描述對蛋白質(zhì) - 蛋白質(zhì)相互作用至關重要的幾何和化學特征。在他們發(fā)表在《自然》雜志上的論文“蛋白質(zhì)相互作用與學習表面指紋的從頭設計”中,研究小組報告說,他們假設的“指紋”導致了分子識別和新型蛋白質(zhì)相互作用的基本方面的捕獲。總結(jié)團隊結(jié)果的研究簡報發(fā)表在同一期刊上。
蛋白質(zhì)是生物學的物理機械,是允許有機生命發(fā)揮作用的齒輪和齒輪,彈簧和閥門。它是細胞如何工作,藥物如何與生物系統(tǒng)相互作用以及大多數(shù)疾病與生物系統(tǒng)相互作用的地方。通過對這種機器的掌握,科學可以治愈大多數(shù)病癥。
機器學習,以及蛋白質(zhì)組學,基因組測序和分子生物學,在過去十年中極大地加速了蛋白質(zhì)研究,以至于我們可以預測幾乎所有現(xiàn)有的功能結(jié)構(gòu),在任何配置中設計新的結(jié)構(gòu),并合成制造任何可以想象的蛋白質(zhì),但有一個微小但重要的警告 - 結(jié)合位點。
蛋白質(zhì)相互作用的方式依賴于基于表面化學和結(jié)構(gòu)的兩種特定的物理“鎖和鑰匙”相互作用。下面有一個外緣遺址和一個埋藏地點。埋藏部位完成蛋白質(zhì)的工作,但要進入它,需要起始的外緣信號來打開結(jié)構(gòu)以允許進入。
就蛋白質(zhì)組學在過去十年中的發(fā)展而言,蛋白質(zhì)的親和力特征仍然難以捉摸。這部分是因為蛋白質(zhì)是挑剔的和pH依賴性的,具有可變的邊緣表面化學和結(jié)合位點,這些位點是條件和位點特異性的。
在目前的研究中,該團隊通過基本上忽略除表面親和力之外的所有內(nèi)容來追求蛋白質(zhì)之間的結(jié)構(gòu)親和力。撇開有關整體結(jié)構(gòu),功能和與其靶標相似蛋白質(zhì)相互作用的信息,該團隊將機器學習集中在蛋白質(zhì)的表面相互作用以及確定兩個分子相互作用最佳機會的幾何和化學圖案上,然后設計了適當?shù)逆I。
通過計算蛋白質(zhì)分子表面的指紋,該團隊能夠快速可靠地識別互補表面片段,這些片段可以在402.<>億個候選表面內(nèi)與特定靶標接合。
計算設計了幾種從頭蛋白結(jié)合劑,以參與四種蛋白質(zhì)靶標:SARS-CoV-2刺突、PD-1、PD-L1和CTLA-4。一些設計經(jīng)過實驗優(yōu)化,而其他設計則純粹在數(shù)字空間中生成。結(jié)果是高度準確的親和力預測,因為基于機器學習的粘合劑成功地參與了他們的目標。
作者指出,他們的框架可以“......除了提供在系統(tǒng)水平上研究生物過程中相互作用網(wǎng)絡的手段外,還為藥物設計、生物傳感或生物材料等其他重要的生物技術領域開辟了可能性。
標簽:
免責聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!