文章来自微信公众号/生物帮SA 热点区域(Hot spot)是小分子药物与蛋白质结合的关键位置。识别这些热点,能够帮助药物设计者找到潜在的结合口袋并优化小分子药物的结合能力,是评估蛋白质成药性和推动药物发现的重要步骤。FTMap是一款用于识别生物大分子结合热点的工具,适用于蛋白质和核酸,由波士顿大学的Dmitri Beglov和Sandor
2022年5月30日,以色列特拉维夫大学Blavatnik计算机科学学院的Haim J. Wolfson等人在Nat Methods杂志发表文章,提出了一种可解释的深度学习模型,该模型直接从原始数据中学习具有功能的结构基序 (motifs),从而可以将蛋白质结合位点和抗体表位准确地映射到蛋白质结构上。 摘要 从蛋白质的结构中预测其功能位点 (如小分子、其...
蛋白质与小分子配体的相互作用是药物作用机制的核心,AlphaFold3 通过其先进的深度学习算法,能够精确预测蛋白质与配体结合的三维结构,准确性远超现有的对接工具。 新药开发方面,通过 AlphaFold3 预测的蛋白质-配体结构,研究人员可以更有效地筛...
通过比较多种物种中相同蛋白质的序列，识别在进化过程中高度保守的氨基酸残基。这些通常是功能性重要的残基，包括结合位点。模体搜索（Motif search）识别在已知的蛋白质-蛋白质相互作用中出现的短序列模体，并在未知蛋白中搜索这些模体。分子对接 使用计算模拟来预测两个或多个蛋白质结构如何物理上相互作用和结合。这种方...
编辑| 萝卜皮 识别蛋白质的功能位点,例如蛋白质、肽或其他生物成分的结合位点,对于理解相关的生物过程和药物设计至关重要。然而,现有的基于序列的方法的预测准确性有限,因为它们只考虑序列相邻的上下文特征并…
中国人民大学高瓴人工智能学院的研究团队首次将 E(3) 等变图神经网络 (GNN) 应用于配体结合位点预测,提出名为 EquiPocket 的框架,有助于药物发现等各种下游任务。 生命系统中,几乎所有生物和药理过程都涉及受体(靶蛋白)和配体(小分子)之间的相互作用,这些相互作用发生在靶蛋白结构的特定区域,称为「结合位点」——...
进化分析显示,结合位点残基在物种间高度保守,通过多序列比对可筛选潜在功能位点。 技术方法主要分为三类:基于结构的预测利用蛋白质三维结构信息,通过表面凹凸度、静电势分布识别可能结合区域。分子对接软件如ZDOCK、ClusPro可模拟蛋白复合体形成过程,计算结合自由能并筛选最优构象。界面残基预测工具如PPI-Pred通过机器学习...
近日，清华大学药学院田博学课题组研究提出了一个基于蛋白质语言模型和对比学习的蛋白质-小分子结合位点预测模型（CLAPE-SMB），并整理了蛋白质-小分子结合位点数据集UniProtSMB，发现该模型在UniProtSMB的测试集上达到了0.699的MCC，优于其他模型。与基于结构的预测方法相比，CLAPE-SMB特别适用于缺乏精确实验结构的蛋白...
首先，预测蛋白质互作结合位点可以帮助我们理解蛋白质的功能和调控机制。通过分析蛋白质的互作结合位点，我们可以了解蛋白质与其他分子相互作用的方式，以及这些相互作用对蛋白质功能的影响。其次，预测蛋白质互作结合位点可以帮助我们研究疾病的机制。许多疾病的发生和发展与蛋白质的异常相互作用有关，通过预测蛋白质互作结合...