GraphPLA:一种预测蛋白质–配体结合亲和力的图神经网络方法

蛋白质–配体结合亲和力是蛋白质与配体相互作用强度的一个重要指标。准确预测蛋白质–配体结合亲和力对于发现药物的新应用至关重要。迄今为止,已经开发了许多计算技术来预测结合亲和力;然而,这些技术中的一部分需要并不常见的蛋白质三维结构,一些方法还将配体表示为不是分子的适当表示的SMILES串。为了避免这些问题,本文开发了一种名为GraphPLA的新模型,使用具有直接结合配体的独特特征的蛋白质结合口袋作为局部输入特征。还使用扩展卷积来捕捉蛋白质的多尺度远程相互作用,图神经网络来学习配体的图表示。实验结果表明,GraphPLA的RMSE为1.388,MAE为1.118,R为0.795,SD为1.345,CI为0.796,优于目前最先进的预测方法,可以有效预测蛋白质–配体结合亲和力。

人工智能在蛋白质-配体结合亲和力预测中的研究进展

蛋白质与配体的结合在生命过程中发挥重要作用,计算蛋白质-配体结合亲和力(protein-ligand binding affinity, PLBA)有助于解析蛋白质功能、筛选与蛋白靶点结合的药物以及进行酶的改造等。近年来,人工智能(artificial intelligence,AI)发展迅速,因其特征提取能力强、算法准确度高、计算速度快等优势,已广泛应用于PLBA预测。本文介绍了AI预测的建立过程、相关资源、应用场景以及面临的挑战和潜在解决办法,为相关研究提供借鉴。

人ICOS-Ig融合蛋白的真核表达及其生物学活性

目的:真核表达人ICOS胞外区与IgGFc融合蛋白,并对其生物学活性进行初步分析。方法:以RT-PCR方法克隆人ICOS胞外区片段和人IgGFc片段,定向插入真核表达载体pSecTag2,构建重组质粒pSecTag2-ICOS-Ig,脂质体转染CHO细胞,可溶性表达并纯化ICOS-Ig融合蛋白。采用SDS-PAGE、蛋白质印迹、ELISA对融合蛋白进行鉴定,配体结合活性实验和混合淋巴细胞增殖反应实验检测融合蛋白的活性。结果:构建的ICOS-Ig融合蛋白表达载体在CHO细胞中表达ICOS-Ig蛋白。纯化获得的ICOS-Ig可以与配体ICOSL特异性结合,并抑制同种T淋巴细胞增殖反应。结论:成功构建了人ICOS胞外区与人IgGFc融合蛋白真核表达系统,获得有生物学活性的ICOS-Ig融合蛋白。

硬骨鱼类雄激素受体研究进展

在脊椎动物中,雄激素的生理作用主要是通过核雄激素受体(nuclear androgen receptor,nAR)介导的,这种转录因子属于核受体超家族成员。从哺乳动物到硬骨鱼类,均存在nAR。与高等脊椎动物不同的是,由于基因倍增等原因,部分硬骨鱼类nAR存在2种亚型。它们在鱼类胚胎发育和性腺发育过程中表现为不同的组织分布和表达类型。新近研究表明,雄激素也可以引起细胞的非基因组效应,即不通过经典的核受体做出反应,而是在质膜通过膜雄激素受体(membrane androgen receptor,mAR)来调节。本文就nAR的基因结构、分子生物学特性、组织分布、激素亲和力等方面的研究进行综述的同时,也对鱼类mAR的激素亲和特性、组织分布及其与生殖周期关系等方面的研究做了介绍。