首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    PNAS | 利用非结构数据预测蛋白质-配体复合物的结构和亲和力

    今天给大家带来的是来自斯坦福大学,计算机科学系和化学系的文章《Leveraging nonstructural data to predict structures and affinities of protein–ligand complexes》利用非结构数据预测蛋白质-配体复合物的结构和亲和力。在过去50年里,大量的工作致力于使用计算的方法预测与大分子靶标结合的小分子。此类方法对药物设计至关重要,主要分为两大类:基于物理的方法,根据给定目标的三维(3D)结构直接模拟配体与受体的相互作用;基于配体的方法,预测配体特性并给出相似配体的实验测量值。作者提出了一个统计学框架结合这两种信息,并且开发了一种方法预测与靶蛋白结合的配体的3D结构,该方法利用与目标蛋白结合没有3D结构的配体信息。这种基于物理和配体的组合建模方法提高了药物靶蛋白结合位置预测的准确性。使用这种框架,作者开发了一种候选药物的虚拟筛选方法,该方法结合基于物理和基于配体的方法。结果表明,通过机器学习方法结合不同的信息可以改善对配体性质的预测。

    01
    领券