Loading [MathJax]/jax/output/CommonHTML/config.js
部署DeepSeek模型,进群交流最in玩法!
立即加群
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >JACS Au|基于深度学习发现用于寡核苷酸递送的细胞穿膜短肽

JACS Au|基于深度学习发现用于寡核苷酸递送的细胞穿膜短肽

作者头像
智药邦
发布于 2022-03-04 07:01:07
发布于 2022-03-04 07:01:07
1.3K0
举报
文章被收录于专栏:智药邦智药邦

2021年10月6日,Journal of the American Chemical Society Au杂志发表文章,介绍了一种利用深度学习设计细胞穿膜肽(CPPs)的方法。

以下是全文内容。

1.研究背景

将治疗性大分子输送到细胞内靶点是一个主要的挑战。例如,二胺吗啉代寡核苷酸(PMOs, >6500 Da)是合成的反义寡核苷酸,能与核酸强结合。Exondys 51 (eteplirsen)是2016年首个获得批准的PMO疗法,是治疗杜氏肌营养不良症(DMD)的一项突破,通过改变表达抗肌萎缩蛋白的mRNA的剪接过程起作用。PMO必须到达靶组织的细胞核,才能达到其遗传靶点并发挥其治疗作用。尽管一些反义寡核苷酸已获得美国FDA的批准,但这些合成生物聚合物临床进展的主要障碍是它们的细胞渗透性差。

通过共价附着于细胞穿膜肽(CPPs)传递PMO已经被广泛研究。CPPs是一类能携带大分子物质进入细胞的短肽,其穿膜能力不依赖经典的胞吞作用,它们的长度一般不超过30个氨基酸且富含碱性氨基酸,氨基酸序列通常带正电荷。CPPs可以通过共价连接或在带负电荷的寡核苷酸情况下通过形成非共价纳米颗粒复合物来增强传递。由于膜亲和和有效质子化的差异,聚精氨酸多肽被证明比其他阳离子残基更能促进细胞吸收,但聚精氨酸 PMO-CPPs 临床转化的主要挑战之一是它们在体内由肽部分引起的毒性。

尽管人们对CPPs进行了广泛的研究,但由于研究结果不一致,其结构-功能关系仍不清楚,这使得独特的高活性CPPs的合理设计面临挑战。这些实验的不一致部分是由于CPPs的性能依赖大分子物质、细胞类型和处理条件,这意味着没有普遍适用的CPPs。

作者报告了一种基于深度学习模型发现CPPs的方法,并从中挑选出了一个短肽P6,只含有一个精氨酸残基。肽P6具有广泛的体外治疗指标和能够传递阴离子酶的细胞质。最后,PMO−P6能够在单次静脉给药后恢复体内蛋白质合成,且没有肾脏毒性。这些结果表明使用长序列PMO−CPPs训练的机器学习模型可以设计优化精氨酸数量更低的短序列CPPs(<20个残基),且能够以高效和最小的毒性将PMO输送到动物细胞的细胞核。

2.结果

2.1 基于机器学习的模型设计

为了生成序列,作者重新利用了之前为设计核靶向非生物微蛋白而开发的机器学习模型,以优化短CPPs。如图1A所示该模型包括起始序列的生成、活性预测器和用于改进序列活性的优化器。

模型使用由600个独特的PMO−肽偶联物组成的嵌合文库进行训练,并在基于活性的试验中进行测试,PMO传递到细胞核会产生荧光,通过流式细胞术测量(图1B,C)。该模型通过增加预测活性,同时最小化长度和精氨酸含量来优化序列,以减轻潜在的细胞毒性。输出的是数百个全新设计的序列,其中包含了具有广泛预测活性的非自然氨基酸。作者之前的研究结果显示,高活性序列长度达到40 ~ 80个残基。在这项工作中,作者证明了机器学习策略可以用于预测PMO传递的高活性、短序列(<20个残基)。

图1:在长序列(>20个残基)上训练的深度学习模型可以用于预测高活性短序列(<20个残基)。(A)设计CPPs模型方案。(B) PMO−CPP共轭物的结构。(C)用于量化PMO传递活性的基于活性的体外试验示意图。为了产生荧光输出,PMO−肽必须进入细胞,逃离核内体,并定位到细胞核,PMO在那里实现外显子跳跃活动。

2.2 数据增强利于发现更短序列CPPs

由于原始模型使用的是由长序列(>40个残基)组成的训练数据集,作者使用数据增强来规避序列长度不平衡的弊端,并在短(<20个残基)CPP序列空间中外推预测活性。作者前期实验研究得到的数据集平均序列长度为41个残基,92%的序列长度大于20个残基。在这里,作者打算设计有20个或更少残基的序列(图2A)。

为了达到这一目标,在训练数据集中,作者将20个或更少留数的序列复制了9次,从而在期望的设计空间中显示了模型10x个序列(图2B)。这种数据增强是为了确保模型是在一个类似的序列空间中训练的,其中包含来自增强数据集的较短序列和来自训练数据集中已经存在的更高活性的较长序列。这种方法需要注意的是,在较短的序列空间中序列的多样性没有改变,尽管长度域已经向下移动到较短的残基。

图2:数据增强改进了20个或更少残基序列的设计发现。(A)训练数据集中653个序列中有601个序列大于20个残差(散点图)。剩余数小于或等于20的序列的期望设计空间用橙色表示。(B)序列的长度分布的原样和10倍增加序列的20余位或更少。(C) 10倍CNN模型集合预测了验证(蓝色)、测试(橙色)和实验(绿色)数据集序列的平均荧光强度(MFI)。

2.3 验证预测

作者让模型生成了长度逐步增加的最高预测活性序列(从5到20个残基),从中作者选择了13个序列进行分析,并选择了7个序列进行实验验证(图3)

这些序列包含0或1个精氨酸残基,与未偶联的PMO相比,预测活性增加4-11倍。值得注意的是,这些序列是阳离子序列,包含几个赖氨酸残基以及非天然残基 β-丙氨酸 (B) 和 6-氨基己酸 (X) 的延伸烷基骨架。可以看到,预测活性有明显的随长度增加的趋势。预测序列包含相似的共同基序,这表明该模型一致地将这些基序识别为高预测活性的潜在驱动因素。作者选择其中7个序列进行实验验证,通过对它们的长度排序并选择每一个其他序列(P1-P7,图3B)。

然后使用 HeLa 654 增强型绿色荧光蛋白 (EGFP) 检测验证 PMO-CPP 构建体,如图1C所述。传递的 PMO 量与功能性 EGFP 表达量相关,通过流式细胞术定量。该测定直接告知内化到这些细胞核中的 PMO 的数量。作为阳性对照,作者使用与 Bpep 结合的 PMO,Bpep 是一种高精氨酸含量的肽,其序列为 RXRRBRRXRRBR,已被广泛研究用于 PMO 递送。

被选中的结构在18-mer,P6之前表现出活性的长度依赖性增加。如图3A进行的 EGFP 测定中测量的外显子跳跃活性的分析表明,PMO-P6 是表现出最高活性的缀合物,相对于未缀合的 PMO 增加了 23 倍。这种活性与标准结合物 PMO-Bpep(增加 24 倍)的活性相当,同时仅包含 1 个精氨酸残基。与数据集相比,很明显 P6 更短,精氨酸残基更少,同时比数据集中的任何序列具有更大的活性(图 3C)。虽然具有最少数量的精氨酸残基,但预测序列仍然是聚阳离子的,并且都包含一个寡聚赖氨酸 N 端。PMO 与这 7 种预测肽的偶联物中表现第二和第三好的是 PMO-P4 和 PMO-P5,其活性相对于未偶联的 PMO 分别增加了 8 倍和 9 倍。其余的偶联物显示出 6 倍或更低的增加。

图3:GAN结构(A);CGAN结构(B)

2.4 丙氨酸突变揭示了序列−活性关系

作者利用丙氨酸扫描发现,P6的C端半胱氨酸残基是该肽高实验活性的部分原因。P6 和 P5 的序列分别是表现最好的和次好的,除了少数位于 C 末端的氨基酸外,它们的序列是相同的;P6 包含一个 KXXC 主题,而 P5 包含一个 MG 主题。尽管有这种相似性,P6 的活性比 P5 高出近 3 倍。

作者假设 KXXC 基序或该基序内的特定残基的存在可能是 P6 活性的原因。为了验证这一假设,作者用丙氨酸残基替换了 KXXC 基序中的每个残基,并完全删除了 KXXC 基序(P8-12,图4)。将每个P6类似物偶联到PMO后,作者进行了HeLa 654 EGFP检测,以检测PMO传递的活性。PMO−P8到PMO−P11的活性表明,在KXXC基序不同位置的丙氨酸突变中,只有最后位置的半胱氨酸突变导致活性显著但不完全下降。这一观察结果表明,虽然PMO−P6的高活性不完全是由C端半胱氨酸引起的,但C端半胱氨酸有助于摄取。

作者观察到与PMO−P8相似的截断序列的活性下降,仅略高于PMO−P5,这再次表明半胱氨酸残基是最关键的C末端残基。作者假设阳离子基序可能是PMO−P6活性增强的原因,包括在N端出现的戊氨酸链或单个精氨酸残基。并用1、2或3个赖氨酸取代丙氨酸残基,以及单个精氨酸残基(P13−P19,图5)。作者观察到,当N -末端的赖氨酸残基被丙氨酸残基取代时,对活性有显著影响。基序中多于一个赖氨酸的突变将活性降低到近5倍(PMO−P16至PMO−P18),唯一的精氨酸残基的突变(PMO−P19)也是如此。

结果表明,虽然没有单一的残基对P6的高活性负有责任,但阳离子残基可能对活性的贡献最大。然而,尽管P5和P6的阳离子序列相似,但它们的活性却存在巨大差异,这表明P6的高活性依赖于其独特的序列。

图4:含cys的氨基己酸C端对pmo−P6活性的影响较小。(A) P6,突出KXXC C端残基。B为丙氨酸,X为6-氨基己酸。(B) EGFP测定的各种突变序列的活性,报告为相对于PMO单独的荧光。如图所示是一个具有代表性的实验,其生物学复制显示在支持信息中。(C) B部分活性对应的Ala突变序列表,以及每个序列相对于PMO单独的净电荷和活性。

图5:序列-活性研究揭示了PMO-P6递送效果对赖氨酸残基的依赖性。(A) P6,突出阳离子N端残基。B为丙氨酸,X为6-氨基己酸。(B) EGFP测定的各种突变序列的活性,报告为相对于PMO单独的荧光。如图所示为具有代表性的试验,支持信息中显示了生物学重复。(C) B部分活性对应的Ala突变序列表,以及每个序列相对于PMO单独的净电荷和活性。

2.4 活性和毒性的浓度反应

PMO-P6及其截断衍生物PMO−P12具有浓度依赖性的活性,但在体外仍是无毒的。作者通过测量体外活性和毒性的浓度−反应进一步研究了这两个序列(图6A,B)。通过测量每个偶联物在HeLa 654细胞中沿浓度范围(0.1 ~100μM)的EGFP荧光,计算出半最大有效浓度(EC50)。PMO−P6的EC50值为4μM,在25μM时活性达到PMO的40倍。PMO-P12的EC50为7μM,在50μM时活性达到30倍。因此,PMO−P6比其截断的衍生品PMO−P12略显活跃。

然后,作者测量了PMO-P6和PMO-P12毒性的浓度反应。采用乳酸脱氢酶(LDH)释放试验评估膜毒性细胞上清中检测到的胞质LDH表明膜渗透。毒性以细胞与洗涤剂十二烷基硫酸钠(SDS)充分溶解的百分数表示。

研究首先检测了用于浓度-反应活性试验的HeLa 654细胞的细胞上清,在测试的浓度下没有发现毒性,这表明观察到的传递活性不是由于膜的渗透作用。然后,作者分析了肾上皮细胞(TH1 RPTEC)中更广泛的浓度范围,因为多阳离子序列有时会导致体内肾毒性。作者测试的PMO−P6的浓度范围在1 ~ 200μM之间,PMO−P12的浓度范围在5 ~ 400μM之间(图6A、B)。在100μM浓度下,PMO−P6的半数致死浓度(LC50)被观察到,在50μM浓度下,毒性可以忽略不计。PMO−P12的LC50为220μM,当浓度低于100μM时,毒性可以忽略不计。

这些数据表明,这些结构在体外的活性和毒性之间存在一个较大的浓度窗口,PMO−P12的体外窗口略大,为30,而PMO−P6的体外窗口为25。PMO-P6 C端KXXC基序的消除略微降低了活性,这表明PMO-P12的毒性较小,而机器学习设计的PMO-P6更有效。

图6:PMO−P6和PMO−P12诱导浓度依赖性的活性,在体外具有低毒性。在HeLa 654细胞中使用不同浓度的EGFP测定活性,并以相对于单独PMO的荧光表示。使用不同浓度的LDH释放试验测定TH1 RPTEC细胞的毒性,以LDH释放量相对于SDS完全溶解的细胞的百分比表示。

2.5 吸收机制

作者使用化学内吞抑制剂研究了 PMO-P6 和 PMO-P12 的细胞进入机制。作者使用一组化学内吞抑制剂:Chlorpromazine, Cytochalasin D, Wortmannin, EIPA, 和Dynasore。研究了 HeLa 654 细胞中 PMO-P6 和 PMO-P12 的内化机制。

图7表明网格蛋白介导的内吞作用可能是占主导地位的吸收机制。PMO-P6和PMO-P12通过相似的机制进入HeLa 654细胞,可能是受体介导的内吞作用。

图7:PMO−P6和PMO−P12通过类似的机制进入细胞。该图显示了内吞抑制剂使用PMO−P6和PMO−P12传递PMO的效果。

2.6 递送阴离子

除了递送反义寡核苷酸外,P6还可以递送一种阴离子的活性酶。白喉毒素a (DTA)是白喉毒素的一段21 kDa的阴离子蛋白,含有毒素的催化结构域,但缺少进入细胞的部分一旦进入细胞质,这种毒素会抑制蛋白质的合成并杀死细胞。

3.总结

设计细胞穿透肽传递特定的大分子物质是一个长期的挑战。在这里,一个在较长的序列(>20个残基)上训练的机器学习模型,推动了一个短的、低精氨酸含量的肽(<20个残基)的发现,该肽能有效地将PMO输送到细胞的细胞核。这种18-mer阳离子肽(P6)在其序列中含有一个精氨酸残基,可在体内传递PMO。

需要注意的是,这里使用的机器学习模型是用由长序列组成的PMO−CPP库训练的,其中绝大多数是已知CPPs的线性组合。然而,由于作者的模型能够外推训练集以外的预测,我们能够产生独特的短,低精氨酸肽,以前没有遇到过。在预测肽段的实验验证过程中,设计有效CPP序列的挑战变得显而易见。研究观察到18个残基的活性呈长度依赖性增加。而P5(C-terminus: MG)和P6 (C-terminus: KXXC)这两种仅在C-末端区域存在差异的预测肽段的实验活性却有显著差异,前者的活性约为后者的三分之一。数据增强能够略微提高活性预测的准确性,但需要更多的工作来更准确地设计和预测独特的反义传递短肽。

本文讨论的设计策略有望用于生成能够将除反义寡核苷酸以外的大分子输送到细胞中的肽序列,并且可能适用于具有合适训练数据集的其他功能肽的设计。 改进 PMO-CPPs数据库合成和测试以访问更广泛的序列和活性可能是改进机器学习引导的高效肽序列发现的一种策略。

参考资料

Eva M. López-Vidal,Carly K. Schissel, Somesh Mohapatra, Kamela Bellovoda, Chia-Ling Wu, Jenna A. Wood, Annika B. Malmberg, Andrei Loas, Rafael Gómez-Bombarelli, Deep Learning Enables Discovery of a Short Nuclear Targeting Peptide for Efficient Delivery of Antisense Oligomers , Journal of the American Chemical Society Au.

https://doi.org/10.1021/jacsau.1c00327

----------- End -----------

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-01-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智药邦 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(二)
在特定条件下,蛋白质和核酸可能普遍具有经历LLPS的能力,其中许多可能永远不会在细胞中遇到。这种方式下的LLPS类似于淀粉样物质的形成,这是蛋白质的一种通用状态。重要的是,只有一小部分蛋白质能够在生理条件下形成淀粉样物质,这些特定的形成淀粉样物质的蛋白质在生理以及病理环境中都非常重要。同样,许多蛋白质在生理条件下可能无法接触到LLPS,只有特定的蛋白质序列似乎有能力在生活细胞中存在的条件下进行相分离。目前,我们识别真正和生物学相关的LLPS的能力仍然有限,这应该使我们在解释在体外进行的相分离研究的结果时要小心。
Chris生命科学小站
2023/08/29
1.8K0
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(二)
Brief Bioinform|iAMPCN:识别抗菌肽功能活性的深度学习方法
2023年6月27日,澳大利亚莫纳什大学宋江宁教授团队,与日本京都大学Tatsuya Akutsu教授,以及腾讯人工智能实验室姚建华研究员合作,在Briefings in Bioinformatics上发表文章iAMPCN: a deep-learning approach for identifying antimicrobial peptides and their functional activities。
智药邦
2024/03/05
5710
Brief Bioinform|iAMPCN:识别抗菌肽功能活性的深度学习方法
Nat. Chem. | 通过深度学习设计靶向核的非生物微蛋白
今天带来的是Carly K. Schissel发表在nature chemistry上的Deep learning to design nuclear-targeting abiotic miniproteins。现如今,巨大的氨基酸排列组合空间阻碍了人们通过传统方法进行功能性聚合物的设计。本文将展示利用高通量实验与受定向进化启发的深度学习方法相结合,并把自然和非自然残基的分子结构表示为拓扑指纹,重新设计非天然穿膜微蛋白(该微蛋白将反义二酰胺基磷酸酯吗啉代寡聚体 (PMO) 输送到细胞核)。结果表明,深度学习可以破译设计原则,以生成不太可能通过经验方法发现的高活性生物分子。
DrugAI
2021/08/24
4950
南开大学提出PGAT-ABPp模型,通过蛋白质语言模型和图注意力网络识别抗菌肽
耐药病原体的出现是对人类健康的巨大挑战。抗菌肽(Antimicrobial peptides,ABP)又称宿主防御肽,是机体免疫防御系统的重要组成部分,表现出多方面的作用机制,对细菌、真菌、病毒和其他病原体具有广谱抗菌活性。因此,它们已成为传统抗菌药物的潜在替代品。然而,识别ABP需要复杂的设计、漫长的筛选周期和严格的条件,这使得大规模筛选非常具有挑战性。
智药邦
2024/08/29
3090
南开大学提出PGAT-ABPp模型,通过蛋白质语言模型和图注意力网络识别抗菌肽
ACS Nano | 基于计算机的抗菌肽发现框架
抗生素耐药性,是人类社会中最严重的医疗问题之一,目前每年在欧洲造成超过2.5万人死亡,在美国造成3.5万人死亡。几十年来,具有抗菌素耐药性的微生物数量一直在增加。这些微生物引起的感染缺乏有效的治疗方案。在过去几十年里,人们发现抗生素缺乏,严重影响了经济和人类的福祉。因此,当前重要的是,人类必须开发出能够对抗耐多药微生物,并减缓抗生素耐药性的进化和传播的抗菌素。
DrugScience
2021/03/18
1.2K0
ACS Nano | 基于计算机的抗菌肽发现框架
Nat. Commun. | 跨物种线粒体靶向序列的生成式设计
线粒体在能量生成和代谢中发挥关键作用,因此成为代谢工程和疾病治疗中具有前景的靶点。然而,尽管已知乘客蛋白会影响定位效率,但目前已被系统表征的线粒体定位标签仍然十分有限。为解决这一限制,研究人员利用变分自编码器(Variational Autoencoder, VAE)设计新型的线粒体靶向序列。计算分析显示,所生成肽段中有高达90.14%的比例具有功能性,并呈现出有助于线粒体定位的关键特征。研究人员在四种真核生物中对这些人工肽段进行了验证,并在概念验证实验中展示了其实际应用价值:通过代谢通路的亚细胞定位,3-羟基丙酸的产量得到提升,同时5-氨基乙酰丙酸合酶的递送效率分别提高了1.62倍和4.76倍。此外,研究人员还通过潜在空间插值探索了双重定位序列的进化起源。总体而言,该研究展示了生成式人工智能在基础线粒体生物学研究与实际应用中的潜力。
DrugAI
2025/05/08
1300
Nat. Commun. | 跨物种线粒体靶向序列的生成式设计
Angew. Chem. | 用于药物开发的环状肽
今天为大家介绍的是来自Christian Heinis团队的一篇综述论文。环状肽是一类在自然界中大量存在的迷人分子。多年来通过改进的合成方法和药物开发过程,新药稳定涌现,平均每年大约有一种环状肽药物获批。研究人员通过用于筛选随机肽库和从头生成配体的强大技术,已经实现了不依赖自然来源分子的环状肽药物的开发。
DrugAI
2024/01/17
3120
Angew. Chem. | 用于药物开发的环状肽
JCIM | AMPGAN v2:机器学习指导的抗菌肽设计
今天给大家介绍来自佛蒙特大学的Colin M. Van Oort等人在JCIM上发表的“AMPGAN v2: Machine Learning-Guided Design of Antimicrobial Peptides”,作者提出了一种基于双向条件生成对抗网络的抗菌肽(AMPs)设计方法AMPGAN v2。AMPGAN v2使用生成器和鉴别器来学习数据驱动的先验知识,并使用条件变量控制生成。
智能生信
2021/07/22
1.4K0
2018 Cell系列相变最强综述,未来已来,你在哪?
Trends in Cell Biology (Cell系列综述, 2018 IF: 18.564)于2018年6月1日在线发表了Steven Boeynaems(PhD Biomedical sciences, Stanford University School of Medicine, 一作兼通讯)撰写的关于蛋白质相位分离综述一文《Protein Phase Separation: A New Phase in Cell Biology》。蛋白质相变做为细胞区室形成和调节生化反应的新思路而受到越来越多的关注,同时为神经退行性疾病中无膜细胞器生物合成和蛋白质聚集的研究提供了新的框架。该综述中,总结了近年来无膜细胞器的研究现状,相变的发生、发展、调控和在疾病治疗中的应用进行了探讨,并展望了未来几年相变领域的主要问题和挑战。内容丰富,见解前沿,值得相关领域的研究者细细品读。
生信宝典
2018/09/21
2.3K0
2018 Cell系列相变最强综述,未来已来,你在哪?
PNAS | 李洪林/李英贤团队发现老药坦索罗辛具有抗骨质疏松新作用
2024年12月31日,华东师范大学药学院/人工智能新药创智中心李诗良/李洪林团队、中国航天员科研训练中心航天医学全国重点实验室李英贤团队、瓯江实验室凌树宽团队,联合复旦大学附属华东医院郑拥军团队、上海市第六人民医院胡晓勇团队等多家单位在PNAS发表题为“Tamsulosin ameliorates bone loss by inhibiting the release of Cl⁻ through wedging into a novel allosteric site of TMEM16A”的研究论文。
DrugAI
2025/01/02
1020
PNAS | 李洪林/李英贤团队发现老药坦索罗辛具有抗骨质疏松新作用
抗体偶联药物 (ADC)——抗肿瘤细胞 | MedChemExpress
Antibody-drug Conjugate (ADC)是一类结合了化学疗法和免疫疗法的高效药物。这个概念最早于 100 多年前由德国科学家/医生 Paul Ehrlich 提出。ADC 由抗体 (Antibody)、细胞毒素分子 (ADC Cytotoxin, payload) 以及连接两者的连接子 (Linker) 组成。Paul Ehrlich 将 ADC 比喻成“魔法子弹”,因为它能在不伤害有机体 (毒副作用小) 的情况下特异性识别目标 (癌细胞)。ADC 毒素分子通过破坏 DNA、微管蛋白等从而阻止肿瘤细胞分裂,起到杀死细胞的作用。ADC 的精准靶向,彻底消除,简直媲美“狙击手”。
MedChemExpress
2023/03/08
4870
抗体偶联药物 (ADC)——抗肿瘤细胞 | MedChemExpress
Chem. Sci. | 机器学习设计非溶血性抗菌肽
今天给大家介绍来自瑞士伯尔尼大学和日内瓦大学的Alice Capecchi,Xingguang Cai等人发表在Chemical Science的文章“Machine learning designs non-hemolytic antimicrobial peptides“,作者使用来自DBAASP的数据训练循环神经网络(Recurrent neural networks, RNN)来设计非溶血性抗菌肽(Antimicrobial peptides, AMP),合成并测试了28个生成肽,鉴定出针对绿脓杆菌、鲍曼不动杆菌和耐甲氧西林金黄色葡萄球菌 (MRSA) 的8种新的非溶血性 AMP。结果表明机器学习(Machine learning, ML)可以用来设计非溶血性AMP。
智能生信
2021/06/24
1K0
Chem. Sci. | 机器学习设计非溶血性抗菌肽
Nat. Microbiol. | 可解释的深度学习和虚拟进化识别具有抗多药耐药人类病原体活性的抗菌肽
今天介绍一篇发表在Nature Microbiology上的论文:“Explainable deep learning and virtual evolution identifies antimicrobial peptides with activity against multidrug-resistant human pathogens”。随着抗生素耐药性问题的日益严重,计算机辅助抗菌肽(AMPs)设计成为一种重要的研究方向。然而,尽管传统的机器学习模型在预测肽的抗菌活性方面表现出色,但它们通常缺乏对肽序列优化过程的可解释性,导致难以指导实际的肽设计。为了解决这一问题,本文提出了一个集成的计算框架,包括三个主要部分:AMP-CLIP(AMP CLassifier with Improved Precision)、AMP-READ(Antimicrobial Peptide Regression and Analysis for Drug Discovery)和EvoGradient(Evolutionary Gradient-based Optimization for Antimicrobial Peptides)。
DrugAI
2025/02/18
1520
Nat. Microbiol. | 可解释的深度学习和虚拟进化识别具有抗多药耐药人类病原体活性的抗菌肽
Nat Biotechnol|通过机器学习发现抗生素
2022年5月6日,Nat Biotechnol发表文章,评述了3月份发表在该期刊上的来自中国科学院微生物研究所王军和陈义华等人的研究工作。
智药邦
2022/06/08
3870
Nat Biotechnol|通过机器学习发现抗生素
Nat Rev Chem|靶向RNA的小分子方法
2024年1月26日,来自蔚蓝海岸大学联盟的尼斯大学、法国国家科学研究中心等机构的研究人员在Nature Reviews Chemistry上发表了题为Small molecule approaches to targeting RNA的综述。
智药邦
2024/03/05
2470
Nat Rev Chem|靶向RNA的小分子方法
科研助攻 | 一文讲清:如何破解 PPI 靶点成药难题 | MedChemExpress (MCE)
蛋白-蛋白相互作用 (protein-protein interaction, PPI) 是生物体调控各类生命活动的重要基础,在信号传导、细胞增殖、细胞死亡等病理生理过程中发挥重要作用。据统计,在人类中有大约有 65 万种 PPI,这些 PPI 在细胞中形成一个复杂的网络 (又被称为相互作用组),以调控各类蛋白质的生物活性。
MedChemExpress
2024/06/27
1580
科研助攻 | 一文讲清:如何破解 PPI 靶点成药难题 | MedChemExpress (MCE)
西湖大学利用 Transformer 分析百亿多肽的自组装特性,破解自组装法则
多肽是两个以上氨基酸通过肽键组成的生物活性物质,可以通过折叠、螺旋形成更高级的蛋白质结构。多肽不仅与多个生理活动相关联,还可以自组装成纳米粒子,参与到生物检测、药物递送、组织工程中。
HyperAI超神经
2023/10/24
3190
西湖大学利用 Transformer 分析百亿多肽的自组装特性,破解自组装法则
Nat. Rev. Chem. | 小分子与RNA的碰撞
今天为大家介绍的是来自Maria Duca团队的一篇论文。在化学生物学和药物发现领域,开发创新方法以识别RNA结合物引起了巨大关注。尽管针对细菌核糖体RNA的抗生素已经上市数十年,但对RNA靶向的重新关注反映了人们对更好地理解涉及RNA的复杂细胞内过程的需求。在这个背景下,小分子是用来探索RNA的生物学功能、验证RNA作为治疗靶点的工具,它们最终有可能成为新药。尽管近期取得了进展,但理性设计特定的RNA结合物需要更好地理解与RNA靶标发生的相互作用,以达到期望的生物学响应。在这篇综述中,作者讨论了接近这一未充分探索的化学空间的挑战。
DrugAI
2024/02/23
3250
Nat. Rev. Chem. | 小分子与RNA的碰撞
Nat. Biotechnol. | 戴上启动帽,MIT王潇团队提出LEGO增强翻译能力
今天为大家介绍的是来自马萨诸塞理工学院的王潇团队的一篇论文。基于mRNA的蛋白质和疫苗疗法可以通过增加翻译能力获益。在此,作者报道了一种名为连接促使mRNA-寡核苷酸组装(LEGO)的方法来增强翻译。作者系统性地筛选了不同的化学拓扑结构,并发现一种分支mRNA帽子能够在不依赖内含核糖体进入位点(IRES)的情况下,有效地启动线性或环状mRNA的翻译。两种化学修饰——在帽子上的锁核酸(LNA)N7-甲基鸟苷修饰和在5′非翻译区(UTR)上的LNA+5×2′-O-甲基修饰——增强了RNA与真核翻译起始因子(eIF4E-eIF4G)的结合能力,并提高了体外RNA对去帽酶的稳定性。通过对双帽mRNA和带帽环状RNA的多维化学拓扑工程,作者在体内将mRNA蛋白质的产量提高了多达十倍,并在新冠病毒(SARS-CoV-2)疫苗的初免和加强针接种后分别实现了17倍和3.7倍的抗体产量提升。LEGO平台为设计超越经典线性和环状RNA的非天然RNA结构和拓扑结构,提供了新的可能性,适用于基础研究和治疗应用。
DrugAI
2024/11/23
1350
Nat. Biotechnol. | 戴上启动帽,MIT王潇团队提出LEGO增强翻译能力
Nat. Commun. | 基于序列的预测方法可以准确判断含有非天然氨基酸肽的内在溶解度
今天为大家介绍的是来自Pietro Sormanni和Michele Vendruscolo团队的一篇论文。非天然氨基酸能扩展化学空间,定制肽类药物的功能、半衰期和其他关键属性。尽管含有修饰氨基酸(如经过翻译后修饰的残基)的化学空间极大,但实验测量含修饰氨基酸肽的开发性质既昂贵又耗时。为了通过计算方法促进开发性项目,作者提出了CamSol-PTM方法。这种方法能快速、可靠地基于序列预测含修饰氨基酸肽在室温下水溶液中的内在溶解度。
DrugAI
2023/12/26
3250
Nat. Commun. | 基于序列的预测方法可以准确判断含有非天然氨基酸肽的内在溶解度
推荐阅读
相关推荐
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(二)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档