在基因化学的规模上识别G蛋白偶合受体(GPCR)与其配体的相互作用

G蛋白偶合受体(GPCR)不仅是一类重要的生物膜蛋白,而且代表着一类重要的治疗疾病的生物把标。长期以来,学术研究界和制药工业界都在努力寻找能与这些蛋白发生相互作用的配体分子以期成为潜在药物,其中包括对那些生物功能还未知的GPCR的配体的寻找。一个能对GPCR以及可能配体的相互作用关系作出准确预报和筛选的方法显然可以加速这一过程,尤其是这个方法具有进行大规模预报的能力,即可以同时处理多个GPCR和大量小分子配体。这样的预报结果可以揭示出多个不同GPCR和小分子的交叉反应关系,有助于减少药物副作用和毒性。本文提出这样一种使用支持向量机器学习法在基因化学的规模上识别GPCR-配体的相互作用的方法,其基本思想是以其跨膜部分的胺基酸序列表达每个GPCR蛋白和以化学分子结构表达每个配体。我们将此方法应用于一套GPCR-配体相互作用数据集,其中的GPCR包含A类中的28个子类,建立的模型能够正确预报86.9%的相互作用配对和99.97%的非相互作用配对。该模型的预报能力进一步在新的数据集上进行了验证,其中的小分子配体具有全新化学结构,GPCR的胺基酸序列也是全新的,并且在进化上远离训练集中的GPCR基于以上结果,我们认为该方法可以应用于大规模筛选GPCR小分子配体,以及识别生物功能还未知的GPCR的配体,这些都有助于加速针对GPCR的药物设计。

分子动力学模拟的柔性对接(英文)

分子自动对接技术在过去二十年里取得很大发展和成功,但是仍然面对如何处理分子柔性这样一个难题。这篇综述概要介绍分子柔性对接技术的进展并重点介绍分子动力学模拟技术。