June 20th, 2025
שיטות חישוביות טומנות בחובן הבטחות לזירוז גילוי תרופות, אך לעתים קרובות הן מתעלמות מהאופי הדינמי של מבני חלבונים. כאן, אנו דנים בניתוח עגינה מבוסס אנסמבל כדי לשלב בעקיפין גמישות חלבון, מה שעשוי לשפר את הדיוק והאמינות של מאמצי גילוי תרופות.
המחקר שלנו מתמקד ביישום טכניקות חישוביות לתכנון תרופות יעילות יותר, במטרה להאיץ את גילוי התרופות ובסופו של דבר לשפר את תוצאות הטיפול ואת איכות החיים של המטופלים.
תכנון תרופות ממוחשב כיום מתעלם לעתים קרובות מגמישות חלבון המטרה. הפרוטוקול המדובר מטפל בפער זה על ידי שילוב קונפורמציה מרובת חלבונים הנגזרת מסימולציה דינמית מולקולרית. תכנון תרופות מבוסס אנסמבל משפר את הדיוק על ידי התחשבות בגמישות החלבון. אנו שואפים לשלב בינה מלאכותית לגילוי תרופות מהיר, מותאם אישית ויעיל יותר בעתיד.
[מגישה] כדי להתחיל, הפעל את תוכנת Avogadro במערכת מחשב. לניתוח אשכולות, הקלד את הפקודה המופיעה על המסך. כאשר תתבקש, הקלד 1 עבור קבוצת החלבון כדי לחשב את התאמת הריבועים הפחותים ואת הסטייה הריבועית הממוצעת של השורש, או RMSD. לאחר מכן הקלד שוב 1 עבור פלט המערכת. פתח את הקובץ cluster-size.xvg. אם מספר האשכולות נמוך, הגדל את ערך החיתוך של RMSD. לחלופין, אם המספר גבוה, הקטן את החיתוך. בצע ניתוח חסד עם הפקודות המוצגות על המסך באמצעות ערכי חיתוך RMSD שונים לפי הצורך. כעת פתח את תוכנת Chimera וחפש את cluster.pdb. לחץ על מתנות ופרסום 1, צללית, סרט מעוגל. לייצוג חזותי. לחץ ברצף על בחר, שרשרת, ללא מזהה ולאחר מכן cluster.pdb, #10 ולאחר מכן בחר והפוך את הדגמים שנבחרו. עבור אל פעולות, ולאחר מכן לחץ על אטומים/קשרים ולחץ על מחק כדי לבודד את השרשרת. כעת בחר קובץ. לחץ על שמור PDB. תן שם לקובץ cluster1.pdb והקש שמור כדי לשמור את הקובץ. לעגינה מבוססת הרכב, הפעל את תוכנת הכלי Autodock כדי לפתוח אותה. מקם את הקבצים cluster1.pdb ו- ligand.pdb בתיקיה חדשה. כעת לחץ על קובץ, העדפות והגדר. בחלון הקופץ, הדבק את כתובת התיקייה בשדה ספריית ההפעלה ולחץ על הגדר. לחץ על סמל התיקייה הכחול, בחר cluster1.pdb ולחץ על פתח. עבור אל עריכה, ולאחר מכן לחץ על חיובים, הוסף חיובי קולמן ולחץ על אישור. לחץ על רשת, מקרומולקולות, בחר. בחר אשכול 1 בתיבה בחר מקרומולקולות ולאחר מכן לחץ על בחר מולקולות. לחץ על אישור כדי ליצור קובץ מקרומולקולה AutoDock4 שונה. שמור אותו כ- cluster1.pdbqt. לאחר מכן, רוקן את סביבת העבודה על ידי לחיצה על ערוך, ולאחר מכן לחץ על Delete, ומחק את כל המולקולות לפני לחיצה על המשך, ולאחר מכן לחץ על Ligand, Input, Open. כאשר מופיע קובץ Ligand עבור התיקיה Autodock4, בחר ligand.pdb ולחץ על פתח ולאחר מכן על אישור. כעת בחר ליגנד, עץ פיתול ושורש זיהוי כדי להגדיר את גמישות הפיתול של הליגנד. עבור אל ליגנד, פלט, שמור כ-PDBQT, ושמור את תיקיית מולקולות Autotors מעוצבות כ-ligand.pdbqt. לאחר ריקון סביבת העבודה, פתח את קובץ cluster1.pdbqt על ידי לחיצה על רשת, מקרומולקולות ופתח, ולאחר מכן לחץ על כן ואישור. נווט שוב אל גריד, ולחץ על הגדר סוגי מפות ובחר פתח ליגנד. בחר ופתח את ligand.pdbqt. כעת נווט אל תיבת רשת אפשרות תחת רשת. בתיבה 'אפשרויות רשת', קבעו את מספר הנקודות בממדים X, Y ו- Z ל- 120, ואת הריווח ל- 0.375 אנגסטרום. השאר את הגדרות המרכז כברירת מחדל. לאחר מכן לחץ על File וסגור את Saving Current. עבור אל רשת, פלט ולחץ על שמור GPF. כשמופיע הקובץ Grid Parameter Output, הזן grid.gpf כשם הקובץ ולחץ על Save. לאחר מכן, לחץ על הפעל והפעל AutoGrid. בכרטיסיה שם קובץ פרמטר, לחץ על עיון. פתח את הקובץ grid.gpf. כעת דפדף בשם נתיב התוכנית. חפש autogrid4.exe ולחץ על פתח והפעל. ברצף, לחץ על עגינה, ואחריה מקרומולקולות והגדר שמות קבצים קשיחים. כאשר מופיע קובץ PDBQT Macromolecules, בחר cluster1.pdbqt ולחץ על Open. בחר את הליגנד מתפריט העגינה. כאשר התיבה בחר ליגנדים מופיעה, בחר ליגנד ולחץ על בחר ליגנד ולאחר מכן לחץ על קבל. כעת נווט אל אלגוריתם גנטי מעגינה. כאשר מופיעה התיבה פרמטרים של אלגוריתם גנטי, הגדר את GA Runs ל-100 ולחץ על קבל. לחץ על עגינה, פלט, Lamarckian GA 4.2. כאשר מופיע קובץ פלט של פרמטר עגינה Autodock4.2 GALS, תן לו את השם docking.dpf ולחץ על שמור. כעת לחץ על הפעל והפעל Autodoc. תופיע תיבה הפעל Autodoc. תחת שם קובץ פרמטר, לחץ על עיון. כאשר מופיע קובץ פרמטר autodock4, בחר docking.dpf ולחץ על פתח. תחת שם נתיב התוכנית, לחץ על עיון. יופיע קובץ autodock4. חפש את autodock4.exe ולחץ על פתח ולאחר מכן על הפעל. מחק את כל המולקולות כפי שהודגם קודם לכן, וחזור על התהליך עבור כל קבצי האשכול. המבנה הכימי והייצוג המבני התלת-ממדי של פלבוקאוואין B וליזוזים במצב ההתחלתי לפני שהתקבלה סימולציה דינמית מולקולרית. האנרגיה הכוללת של מבנה החלבון הייתה יציבה במהלך הסימולציה, וסטיית השורש-ממוצע-ריבוע התייצבה לאחר 20 ננו-שניות. תנודות שורש ממוצע ריבועי חשפו גמישות גבוהה באזורים שבין שאריות 40 עד 50, 60 עד 80 ו-100 עד הסוף. בסך הכל התקבלו 15 אשכולות מבניים מאשכולות מבוססי שורש-ממוצע-ריבוע של 10,001 מסגרות מסלול, כאשר האשכול הגדול ביותר מכיל 5,818 איברים. קונפורמציות מונחות על גבי כל האשכולות הראו שינויים מבניים גלויים בין המסלולים. עגינה מולקולרית של flavokawain B עם המבנים המייצגים של ארבעת הצבירים העליונים הראתה קישור עקבי באותו אתר בכל הקונפורמציות, כאשר אשכול 2 הראה את אנרגיית הקישור הנמוכה ביותר של -29.37 kJ/mol. מיפוי פני השטח האלקטרוסטטי אישר אתרי קישור זהים בכל קונפורמציות הצביר עם פלבוקאוואין B המקוננים באותו אזור כיס. ניתוח אינטראקציה מפורט הראה כי קשירת פלבוקוואאין B התייצבה על ידי מספר שאריות מסביב, כולל אלנין 31, גלוטמין 35, לאוצין 56, חומצה גמא-קרבוקסיגלוטמית 57, איזולאוצין 58, אלנין 95, איזולאוצין 98, טריפטופן 108, ואלין 109, אלנין 110, טריפטופן 111 וארגינין 114.
View the full transcript and gain access to thousands of scientific videos
מחקר זה מתמקד בקידום גילוי תרופות באמצעות טכניקות חישובית, במיוחד על ידי שילוב גמישות חלבון באמצעות ניתוח עגינה מבוסס-אנסמבל. הגישה מראה פוטנציאל בשיפור הדיוק והיעילות של עיצוב תרופות, מה שחיוני לתוצאות טיפול משופרות.
Incorporating target protein flexibility and dynamics into computational drug discovery addresses a critical gap in predictive accuracy for ligand binding. Ensemble-based docking analysis enables more reliable identification of promising compounds by capturing a broader range of biologically relevant conformations. This approach enhances decision-making at key inflection points in the discovery pipeline, supporting risk-adjusted portfolio advancement.
Ensemble-based docking integrates into the discovery continuum from early target validation through lead identification and preclinical assessment.