瑞士洛桑联邦理工学院使用可推广的深度学习工具靶向蛋白质-配体新表面

• 全文链接

关键词：

来源：

Nature

全文链接：

//agri.nais.net.cn/topic/downloadFile/69fefa0b-fcd9-4a64-aff2-43078872b8eb

来源地址：

https://doi.org/10.1038/s41586-024-08435-4

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-01-15

摘要：

2025年1月15日，瑞士洛桑联邦理工学院（EPFL）的生物工程研究所Anthony Marchand、Stephen Buckley、Arne Schneuing等人在Nature发表题为“Targeting protein-ligand neosurfaces with a generalizable deep learning tool”研究论文。研究介绍了一种基于深度学习的计算策略，用于设计能够靶向新表面（neosurfaces，即蛋白质-配体复合物表面）的蛋白质。研究团队利用几何深度学习方法，基于学习到的分子表面表示，实验验证了针对三种药物结合蛋白复合物的结合剂：Bcl2–venetoclax、DB3–progesterone和PDF1–actinonin。这些结合剂展示了高亲和力和准确的特异性，通过突变和结构表征进行了评估。值得注意的是，之前仅在蛋白质上训练的表面指纹可以应用于由小分子相互作用诱导的新表面，提供了一种强大的泛化能力，这在其他深度学习方法中是不常见的。研究团队预计，这种设计的化学诱导蛋白质相互作用将有潜力扩展感应库，并在工程细胞中组装新的合成途径，用于创新的药物控制的细胞疗法。