İlaç-protein Etkileşimlerinin Küresel Doğrulanması için Biyosensör Tabanlı Yüksek Verimli Biyopanning ve Biyoinformatik Analiz Stratejisi
1 Aralık 2020
Bu çalışma, ilaç-peptit etkileşimlerini tanımlamak için bir strateji sunmayı amaçlamaktadır. Strateji, bir kuvars-kristal mikro denge (QCM) biyosensörüne dayanan ilaç tanıyan kısa peptitlerin biyopannasyonunu ve ardından ilaç tanıma ve ilaç bağlayıcı bölgelerin proteinler üzerinde ek açıklama için elde edilen bilgileri nicel olarak değerlendirmek için biyoinformatik analizini içerir.
Küçük moleküllü protein etkileşimlerinin tanımlanması, ilaçların araştırılması ve geliştirilmesinin yanı sıra virüs DTC'lerinin altında yatan patolojik mekanizmaları anlamamızı teşvik etmek için de gereklidir. Bu yöntem, ilaç tanıyan peptitlerin yüksek verimli biyopanlanmasını ve ilgilenilen küçük moleküllü ilaçlar için proteinler üzerindeki ilaç bağlanma bölgelerinin küresel olarak doğrulanmasını kolaylaştırır. Bir QCM sensör çipi hazırlamak için, 27 megahertz'lik bir QCM aparatının osilatörüne bir seramik sensör çipi takın ve küçük molekül immobilizasyonundan önce hava fazındaki içsel frekansı kaydedin.
Kayıttan sonra, çipi ayırın ve sensör çipinin altın elektrodu üzerinde kendi kendine monte edilmiş bir mono tabaka oluşturmak için% 70 etanol içinde bir milimolar küçük molekül türev çözeltisinden 20 mikrolitrelik bir damla dikkatlice ekleyin. Çipi nemli doku ile kaplı bir Petri kabına yerleştirin, elektrot yüzeyini ultra saf suyla nazikçe yıkamadan önce oda sıcaklığında bir saat boyunca ışıktan koruyun. Çipi yumuşak bir hava uygulamasıyla kurutun ve çipi QCM aparatına yükleyin.
Bir saat sonra, hareketsiz hale getirilen küçük molekülün miktarını ölçmek için hava fazındaki frekanstaki azalmayı kaydedin. T7 Faj Kitaplığı Biyopanlama için, dakikada 1000 devire ayarlanmış QCM biyosensörünün üzerine özel bir manyetik karıştırıcıya sahip bir küvet yerleştirin ve küvete sekiz mililitre reaksiyon tamponu ekleyin Tampon karıştırılırken QCM sensör çipini osilatöre takın Çipi tampona daldırmak ve QCM frekansını izlemeye başlamak için osilatörün kolunu basılı tutun. Sensör gramı, frekans kayması dakikada yaklaşık üç Hertz'e dengelendiğinde, küvete sekiz mikrolitre T7 faj kütüphanesi enjekte edin ve sensör üzerindeki enjeksiyon noktasını işaretleyin.
Altın elektrot yüzeyinde hareketsiz hale getirilen küçük moleküle bağlanan T7 fajlarının neden olduğu frekans düşüşünü izleyin. 10 dakika sonra, QCM frekans monitörünü durdurun ve sensör çipini partiden çıkarmak için osilatörü hızlı bir şekilde kaldırın, sensör çipini osilatörden ayırın ve tamponu çipten çıkarın. Kurutulmuş sensör çipini nemli bir Petri kabına yerleştirin ve altın elektrot üzerine 20 mikrolitrelik bir damla log faz E-coli konak hücresi ekleyin.
Çanağı, 37 santigrat derecede ve dakikada 1000 ila 1500 devirde 30 dakika boyunca 96 kuyulu bir mikroplaka karıştırıcı üzerine inkübe edin, bağlı T7 yedi fajın geri kazanımını artırmak için ışıktan korunun. İnkübasyonun sonunda, 20 mikrolitre E-coli süspansiyonunu 200 mikrolitre LB ortamına aktarın. Genel prosedüre göre, ortamda faj plak izolasyonunu ve her bir faj kapsidinde görüntülenen ilacı tanıyan peptit dizilerini tanıyan DNA dizilimini gerçekleştirin.
Sensör çipinin bakımından sonra, elektrot yüzeyini temizlemek için% 1 sodyum dodesil sülfat çözeltisine batırılmış pamuklu çubuk kullanın, altın yüzeyi ultra saf suyla yıkayın ve elektrodu hava ile kurulayın. Daha sonra elektrot yüzeyine beş mikrolitre taze hazırlanmış Parana solüsyonu ile beş dakika muamele edin, ardından ultra saf suyla yıkayın ve iki kez havayla kurutun. RELIC kullanarak biyoinformatik analiz yapmak için, Windows işletim sistemine sahip bir PC'de bağımsız RELIC programını açın ve her metin dosyasında hızlı A formatındaki ilacın seçilen 15 mer peptit veya tekli veya çoklu proteinlerin amino asit dizilerini kullanın.
Gerekli metin dosyalarını AA-div, info, motif, match, hetero align, fast A con veya fast A scan klasörüne yerleştirin. FTN 95'in kişisel sürümünü açmak için bağımsız klasördeki her yürütülebilir dosyaya tıklayın ve her programı çalıştırmak ve elde edilen metin formatı dosyasını elde etmek için komut satırına uygun dosya adını ve uzantısını girin. Elde edilen sonuç metin biçimi dosyaları burada gösterilir.
Ardından, yaklaşık 62'lik bir darbe kullanılarak hesaplanan bir bilgi içeriği grafiği veya kümülatif benzerlik puanları oluşturmak için ortaya çıkan metin dosyasını bir elektronik tabloya aktarın. Bu strateji kullanılarak, altı küçük moleküllü ilaç için hedef proteinler üzerindeki tekli ve çoklu küçük molekül bağlanma bölgeleri başarıyla tanımlanmıştır. Örneğin, klinik olarak onaylanmış ilacı tanıyan 29 peptit, kendi kendine monte edilmiş bir tek tabaka olarak hareketsiz hale getirildi, QCM biyosensör tabanlı bir döngü biyopanlama ile tanımlandı 29 peptit ve asetilkolinesterazın müteakip ikili olarak hizalanması, Irinotecan bağlanma bölgesini oluşturanlarla tutarlı olan spesifik amino asit kalıntıları için maksimum puanlar verdi.
Aynı peptit alt kümesi, Karboksilesterazdaki katalitik üçlünün yakınında da başarılı bir şekilde tanımlandı, bu da bu amino asitlerin de-esterifikasyon sırasında Irinotekan tanınması için bir iskele oluşturduğunu gösterdi. QCM sensör çipi altın elektrot yüzeyini kaplayan anti-grip ilacı Oseltamivir'i tanıyan 27 peptit, nöraminidazdaki oseltamivir bağlanma bölgesini başarıyla tespit etti. Bu bağlanma bölgesi, oseltamivir ile kenetlenirken potansiyel olarak dinamik harekete uğrayan yapılandırılmamış peptit halkalarından oluşur.
İlaçlar, bölgeler, kimyasallar, rekombinant bakteriyofajlar ve bakteriler biyolojik cenaze arabalarıdır ve kültür kazanım protokolüne göre ele alınmalıdır. Güvenlik için her zaman eldiven, gözlük ve laboratuvar önlüğü giymeyi unutmayın. Bu prosedürü takiben, çeşitli ilaçlar için hedef proteinler, ilgilenilen ilaçların moleküler mekanizmalarını ve potansiyel terapötik etkinliğini anlamak için insanlarda, patolojik virüslerde ve hatta bitkilerde küresel olarak doğrulanabilir.
Genel Bakış
Bu çalışma, kuvars kristal mikro dengesi (QCM) biyosensörü kullanarak ilaç-peptid etkileşimlerini tanımlamak için bir strateji sunmaktadır. Yöntem, ilaç tanıyan peptitleri biyopanlama ve proteinler üzerindeki ilaç tanıma ve bağlanma bölgelerini değerlendirmek için biyoinformatik analizi içermektedir.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Nörobilim
- İlaç Geliştirme
- Biyoteknoloji
Arka Plan
- Küçük molekül-protein etkileşimlerinin anlaşılması, ilaç araştırmaları için kritik öneme sahiptir.
- Peptid biyopanlaması için yüksek verimli yöntemlere ihtiyaç vardır.
- QCM biyosensörleri, ilaç bağlanmasını incelemek için bir platform sağlar.
- Bağlanma bölgelerinin tanımlanması, terapötik geliştirmede yardımcı olur.
Çalışmanın Amacı
- İlaç bağlanma peptitlerini tanımlamak için bir yöntem geliştirmek.
- Hedef proteinler üzerindeki ilaç bağlanma bölgelerini doğrulamak.
- Moleküler seviyede ilaç etkileşimlerinin anlaşılmasını artırmak.
Kullanılan Yöntemler
- Küçük molekül imobilizasyonu için QCM sensör çiplerinin hazırlanması.
- Bağlanma peptidlerini tanımlamak için T7 faj kütüphaneleri kullanılarak biyopanlama.
- Bağlanma etkileşimlerini değerlendirmek için QCM'deki frekans değişikliklerinin izlenmesi.
- Peptit sekans değerlendirmesi için biyoinformatik analizi.
Ana Sonuçlar
- Irinotecan ve Oseltamivir gibi ilaçları tanıyan peptitlerin başarılı bir şekilde tanımlanması.
- Asetilkolinesteraz ve nöraminidaz gibi proteinler üzerindeki bağlanma bölgelerin karakterizasyonu.
- Yöntemin ilaç etkileşimlerini doğrulamada etkinliğinin gösterilmesi.
Sonuçlar
- Strateji, proteinler üzerindeki ilaç bağlanma bölgelerini etkili bir şekilde tanımlar.
- Terapötik içgörüler için çeşitli ilaçlara uygulanabilir.
- İlaç etkisindeki moleküler mekanizmaların anlaşılmasını artırır.
Sıkça Sorulan Sorular
Executive Industry Relevance
This biosensor-based high throughput strategy enables rapid global validation of drug-protein interactions, supporting early-stage target validation and mechanistic de-risking in drug discovery. By identifying drug-recognizing peptides and mapping binding sites on target proteins, the method enhances predictive confidence in lead selection and reduces biological uncertainty in preclinical development. The approach applies to diverse small molecules, offering a reusable capability for assessing ADMET-relevant interactions across therapeutic areas.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by identifying peptide sequences that recognize drug-binding sites on proteins.
- Operational Value: Supports functional target validation through high throughput biopanning of T7 phage-displayed peptides immobilized on QCM biosensors.
- Predictive Value: Facilitates mechanistic de-risking by highlighting amino acid residues consistent with known drug-binding sites, such as the catalytic triad in carboxylesterase for irinotecan recognition.
Screening & Assay Development
- Scientific Value: Generates quantitative frequency shift data from QCM biosensor to measure small molecule immobilization and phage binding kinetics.
- Operational Value: Establishes a reproducible, label-free assay format for monitoring biomolecular interactions in real time with minimal sample consumption.
- Scalability: Enables parallel processing of phage libraries and bioinformatics analysis via RELIC suite for high throughput peptide screening and motif identification.
Translational & Preclinical Research
- Translational Continuity: Connects in vitro binding data to biological relevance by validating drug recognition in pathogenic contexts, such as neuraminidase for oseltamivir.
- Disease-Relevant System: Applies to target proteins in humans, viruses, and plants, supporting cross-species validation of drug mechanisms.
- Risk-Adjusted Advancement: Informs go/no-go decisions by confirming target engagement and binding site fidelity before investing in lead optimization.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from target validation through lead identification, providing orthogonal confirmation of drug-target interactions that complements biochemical and cellular assays.
- Discovery Biology: Supports hypothesis testing by isolating drug-recognizing peptides and clarifying binding site topology on target proteins.
- Screening: Delivers assay-ready biological systems with standardized peptide outputs suitable for downstream epitope mapping and antibody development.
- Analytics: Yields quantifiable binding metrics (frequency shifts) and bioinformatics-derived similarity scores to rank peptide candidates and validate binding specificity.
- Translational Research: Connects molecular binding data to functional outcomes by linking peptide sequences to enzyme inhibition or viral replication assays.
- Enterprise Reuse: Establishes a platform capability for repeated application across drug classes, targets, and model systems without reformatting core workflows.
Operational & Enterprise Impact
- Scientific Value: Increases target validation confidence through direct evidence of drug-peptide interaction and binding site mapping.
- Operational Value: Enhances reproducibility via standardized QCM sensor preparation and phage recovery protocols.
- Strategic Value: Improves capital efficiency by reducing failed targets through early mechanistic de-risking.
- Portfolio Impact: Enables risk-adjusted prioritization of drug candidates based on validated target engagement and interaction topology.
Implementation Considerations
- Requires expertise in QCM biosensor operation, phage display techniques, and bioinformatics analysis using RELIC suite.
- Depends on access to 27 MHz QCM apparatus, magnetic stirrer cuvettes, and compatible sensor chips for small molecule immobilization.
- Necessitates standardized buffer conditions and incubation parameters to ensure consistent phage binding and recovery across runs.
- Involves adaptation considerations when applying the method to different protein targets or small molecule chemistries beyond the demonstrated irinotecan and oseltamivir models.
- Includes practical limitations such as the need for careful surface regeneration between cycles to maintain sensor sensitivity and avoid cross-contamination.
