2025年6月20日
计算方法在加速药物发现方面具有广阔前景,但这些方法常常忽略了蛋白质结构的动态特性。本文讨论基于集合的对接分析方法,该方法可间接地纳入蛋白质的柔性特征,从而可能提高药物发现工作的准确性和可靠性。
我们的研究致力于应用计算技术设计更有效的药物,旨在加速药物发现进程,最终改善治疗效果和患者的生活质量。
目前的计算机辅助药物设计通常忽略了靶标蛋白的柔性。本研究所讨论的方案通过引入来自分子动力学模拟的多种蛋白构象,弥补了这一不足。基于集合的药物设计通过考虑蛋白柔性,提高了设计的准确性。未来,我们旨在整合人工智能技术,以实现更快速、个性化且更高效的药物发现。
[Presenter] 首先,在计算机系统上启动 Avogadro 软件。进行聚类分析时,输入屏幕上给出的命令。当系统提示时,输入 1 选择蛋白质组以计算最小二乘拟合和均方根偏差(RMSD)。然后再次输入 1 以输出系统结果。打开 cluster-size.xvg 文件。如果聚类数量较低,则提高 RMSD 截断值;反之,若数量过高,则降低截断值。根据需要,使用屏幕上显示的命令进行 grace 分析,并尝试不同的 RMSD 截断值。现在打开 Chimera 软件,搜索 cluster.pdb 文件。点击 Presents 和 Publication 1,选择 silhouette、rounded ribbon 以进行可视化呈现。依次点击 Select、Chain、No ID,然后选择 cluster.pdb 中的 #10,接着选择并反向选中模型。进入 Actions,点击 Atoms/Bonds,再点击 Delete,以分离该肽链。随后选择 File,点击 Save PDB,将文件命名为 cluster1.pdb,然后点击 Save 保存文件。对于基于集合的分子对接,启动 Autodock 工具软件。将文件 cluster1.pdb 和 ligand.pdb 放入一个新文件夹中。点击 File、Preferences 和 Set。在弹出窗口中,将文件夹路径粘贴到启动目录字段中,然后点击 Set。点击蓝色文件夹图标,选择 cluster1.pdb,再点击 Open。进入 Edit,点击 Charges,选择 Add Kollman Charges,然后点击 OK。点击 Grid,Macromolecules,选择 Choose。在 Choose Macromolecules 对话框中选择 cluster 1,然后点击 Select Molecules。点击 OK 以生成修改后的 AutoDock4 大分子文件。将其保存为 cluster1.pdbqt。接下来,清空工作区:点击 Edit,然后点击 Delete,删除所有分子后点击 Continue,再点击 Ligand、Input、Open。当出现用于 Autodock4 的配体文件时,选择 ligand.pdb,点击 Open,然后点击 OK。现在选择 Ligand、Torsion Tree,点击 Detect Root,以定义配体的扭转柔性。进入 Ligand、Output,选择 Save as PDBQT,将格式化后的 Autotors 分子文件夹保存为 ligand.pdbqt。在清空工作区后,通过点击 Grid、Macromolecules 和 Open 来打开 cluster1.pdbqt 文件,然后点击 Yes 和 OK。再次进入 Grid,点击 Set Map Types,选择 Open Ligand,选中并打开 ligand.pdbqt。现在进入 Grid 下的 Grid Box 选项。在 Grid Options 对话框中,将 X、Y 和 Z 三个维度的点数均设置为 120,间距设为 0.375 埃,中心参数保持默认。然后点击 File,选择 Close Saving Current。进入 Grid,Output,点击 Save GPF。当出现 Grid Parameter Output 文件时,将文件名设为 grid.gpf,然后点击 Save。接下来,点击 Run,运行 AutoGrid。在 Parameter Filename 选项卡中,点击 Browse,打开 grid.gpf 文件。然后浏览程序路径,查找 autogrid4.exe,点击 Open 并 Launch。依次点击 Docking、Macromolecules 和 Set Rigid Filenames。当出现 PDBQT 大分子文件时,选择 cluster1.pdbqt,点击 Open。从 Docking 菜单中选择配体。当 Choose Ligands 对话框出现时,选择 Ligand,点击 Select Ligand,然后点击 Accept。现在进入 Docking 下的 Genetic Algorithm。当 Genetic Algorithm Parameters 对话框出现时,将 GA Runs 设为 100,然后点击 Accept。点击 Docking、Output,选择 Lamarckian GA 4.2。当出现 Autodock4.2 GALS Docking Parameter Output 文件时,将其命名为 docking.dpf,然后点击 Save。现在点击 Run,运行 Autodoc。此时将弹出 Run Autodoc 对话框。在 Parameter File Name 处点击 Browse。当出现 autodock4 Parameter 文件时,选择 docking.dpf,点击 Open。在 Program Pathname 处点击 Browse。将出现 autodock4 文件,查找 autodock4.exe,点击 Open,然后点击 Launch。按照前述方法删除所有分子,并对所有聚类文件重复上述过程。获得了分子动力学模拟前初始状态下黄酮卡瓦宁 B 与溶菌酶的化学结构及其三维结构表示。在模拟过程中,蛋白质结构的总能量保持稳定,均方根偏差在 20 纳秒后趋于稳定。均方根涨落分析显示,残基 40 至 50、60 至 80 以及 100 至末端区域具有较高的柔性。通过对 10,001 个轨迹帧进行基于均方根偏差的聚类分析,共获得 15 个结构聚类,其中最大聚类包含 5,818 个成员。所有聚类构象的叠加显示各轨迹之间存在明显的结构差异。黄酮卡瓦宁 B 与前四大聚类代表性结构的分子对接结果显示,在所有构象中均一致结合于相同位点,其中聚类 2 的结合能最低,为 -29.37 kJ/mol。静电表面映射证实,在所有聚类构象中,黄酮卡瓦宁 B 均结合于相同的口袋区域。详细的相互作用分析表明,黄酮卡瓦宁 B 的结合由多个周围残基稳定,包括丙氨酸 31(alanine 31)、谷氨酰胺 35(glutamine 35)、亮氨酸 56(leucine 56)、γ-羧基谷氨酸 57(gamma-carboxyglutamic acid 57)、异亮氨酸 58(isoleucine 58)、丙氨酸 95(alanine 95)、异亮氨酸 98(isoleucine 98)、色氨酸 108(tryptophan 108)、缬氨酸 109(valine 109)、丙氨酸 110(alanine 110)、色氨酸 111(tryptophan 111)以及精氨酸 114(arginine 114)。
查看完整文字稿并访问数千部科学视频
本研究重点通过计算技术推动药物发现,特别是采用基于集合的对接分析方法来整合蛋白质的柔性。该方法在提高药物设计的准确性和有效性方面展现出潜力,这对于改善治疗效果至关重要。
将靶蛋白的柔性与动力学特性整合到计算药物发现中,可弥补配体结合预测准确性方面的一个关键空白。基于集合的对接分析通过捕捉更广泛的生物学相关构象,能够更可靠地识别有前景的化合物。该方法有助于在发现流程的关键转折点上做出更优决策,支持基于风险评估的项目组合推进。
基于集合的对接技术贯穿于从早期靶点验证到先导化合物发现及临床前评估的整个研发流程。