藥物只有在體內(nèi)與靶蛋白粘附才能發(fā)揮作用。評價粘度是藥物發(fā)現(xiàn)和篩選過程中的一個關鍵障礙?；瘜W和機器學習相結(jié)合的新研究可以減少這種障礙。
一項名為DeepBAR的新技術(shù)可以快速計算候選藥物與其靶點之間的結(jié)合親和力。與最新方法相比，該方法可以在短時間內(nèi)生成準確的計算結(jié)果。研究人員表示，DeepBAR有朝一日可以加快藥物發(fā)現(xiàn)和蛋白質(zhì)項目的步伐。
“我們的方法比以前快了幾個數(shù)量級，這意味著我們可以找到既高效又可靠的藥物，”麻省理工學院廣泛研究學院副教授、輝瑞-勞巴赫化學職業(yè)發(fā)展教授張斌說。并且是一篇描述這項技術(shù)的新論文的合著者。
這項研究今天發(fā)表在《物理化學快報》上。這項研究的主要作者是丁，麻省理工學院化學系博士后。
藥物和靶蛋白之間的親和力是通過一個叫做結(jié)合自由能的量來衡量的——這個量越小，結(jié)合粘度就越大。張說：“較低的結(jié)合自由能意味著藥物可以更好地與其他分子競爭，這意味著它可以更有效地破壞蛋白質(zhì)的正常功能?！庇嬎愫蜻x藥物的結(jié)合自由能提供了藥物潛在療效的指標。但很難確定。
計算結(jié)合自由能的方法有兩種，每種方法都有各自的缺點。一節(jié)課可以精確計算數(shù)量，從而消耗大量的時間和計算機資源。第二類的計算成本較低，但只能產(chǎn)生結(jié)合自由能的近似值。張和丁設計了一種兩全其美的方法。
準確高效
DeepBAR可以精確計算結(jié)合自由能，但只需要以前方法所需計算的一小部分。新技術(shù)將傳統(tǒng)的化學計算與機器學習的最新進展相結(jié)合。
DeepBAR中的“BAR”一詞代表“Bennett接受率”，是幾十年來用于精確計算結(jié)合自由能的算法。Bennet的接受率通常需要知道兩個“終點”狀態(tài)(例如，藥物分子與蛋白質(zhì)結(jié)合，藥物分子與蛋白質(zhì)完全分離)和許多中間狀態(tài)(例如，不同水平的部分結(jié)合)，所有這些都降低了計算速度。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！