Nature子刊，川大团队机器学习结合MD，预测蛋白质变构，助力药物研发

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 变构药物为现代药物设计提供了一条新途径。然而，识别隐蔽的变构位点是一项艰巨的挑战。 四川大学蒲雪梅教授、邵振华研究员团队提出了一种先进的计算流程，结合残基驱动的混合机器学习模型（RHML）和分子动力学（MD）模拟，成功识别出了变构位点、变构调节剂，并揭示了它们的调控机制。 具体而言，在 β2 肾上腺素能受体（β2AR）中，团队发现了位于残基 D79^2.50、F282^6.44、N318^7.45和S319^7.46 附近的一个新的变构位点及潜在调节剂 ZINC5042。通过分子力学/广义 Born 表面积（MM/GBSA）和蛋白质结构网络（PSN）的分析，进一步揭示了变构效力及调控机制。 该研究以「 Integrative residue-intuitive machine learning and MD Approach to Unveil Allosteric Site and Mechanism for β2AR 」为题，于 2024 年 9 月 ………………………………