老太婆毛多bbwbbwbbwb...,激情五月婷婷,俄罗斯少妇大屁股xxxxx

德國賽多利斯集團

查看電話 在線咨詢

立即詢價

您提交后，專屬客服將第一時間為您服務

點擊提交代表您同意《用戶服務協議》《隱私政策》

不可思議！諾獎得主David Baker的Binder親和力有多強？

閱讀：108 發布時間：2024-10-25

10月9日，2024年諾貝爾化學獎授予David Baker、Demis Hassabis和John Jumper，以表彰他們在蛋白質設計以及蛋白質結構預測領域做出的杰出貢獻。

近年來，AI藥物迅猛發展，其中，蛋白質從頭設計無疑是AI設計藥物中的重頭戲與熱點。該技術不僅能設計針對不可成藥靶點的藥物和自然中不存在的蛋白質，還大大縮短了藥物研發的周期。

被譽為“上帝之手”的華盛頓大學教授David Baker是該領域的佼佼者，發CNS發到手軟。當然，AI設計能力再強，也需要通過實驗手段去表征設計的蛋白。比如，使用基于生物層干涉技術（BLI）的Octet® 非標記分子互作系統檢測設計的蛋白與靶點的親和力。目前，David Baker課題組已使用Octet® 檢測蛋白親和力發表了近80篇文章，其中CNS正刊文章就超過20篇！(部分文章列表見文末)

這里，陳老師就介紹一下他今年發表的幾篇CNS文章。

pM級別親和力的新冠抑制劑^[6]

在當時新冠病毒肆虐時，David Baker課題組用計算機軟件設計了針對新冠病毒S蛋白的小蛋白抑制劑，通過一系列分子進化以及生化學方法檢測后，大部分的抑制劑的中和新冠病毒活性達到了幾十pM級別的IC50，其中一個蛋白抑制劑達到11pM的IC50，是當時知道所有新冠抑制劑中最強的！文中進行了兩種設計路線：

方法1：圍繞ACE2與S蛋白結合的α-螺旋結構域設計

方法2：與S蛋白的RBD結構域對接來設計

圖1. 圖A為方法1示意圖，圖B為方法2示意圖

技術路線如下

圖2. *AHB1親和力高，但是穩定性差，通過AHB1結構再進行一次設計與篩選，獲得AHB2前體。

圖3. Octet®親和力測試：第一個圖是AHB1前體的動力學測定（μM級別親和力），第二個圖是AHB2的動力學測定（nM級別親和力）。

方法2的第一輪篩選的11個候選物（LCD1-8前體）的親和力為100nM-2μM，而通過分子進化后的多數LCB的親和力在1-20nM，其中LCB1，LCB3親和力低于1nM。

圖4. Octet® 親和力測試：第一個圖是方法2獲得的11個候選物的動力學測定，解離都較快，親和力相對較低；第二個圖是親和力成熟后的LCB1親和力測試（低于1nM親和力）。

LCB1也是當時已知中和新冠病毒能力最強的抑制劑。

結合擴散模型設計出的高親和力蛋白^[1]

本文結合擴散模型（RF diffusion）和用深度學習算法，實現了從頭設計合成蛋白質的目標，設計成功率提高了兩個數量級。針對已知的五個靶標，僅需不到100個候選即可達到納摩爾(nM)級別的親和力（全部用BLI進行檢測）。此外，研究人員還設計了一種蛋白與其底物（流感血凝素）的復合物，并使用冷凍電鏡解析其結構。結果顯示，冷凍電鏡解析的結構與設計的模型幾乎完全一致，證明了該模型的準確性。為進一步驗證生成的蛋白是否具有結合活性，研究人員繼續使用Octet® 對這兩種蛋白的結合進行驗證。

圖5. (a-c) 從頭設計靶標蛋白的結合蛋白，針對五個靶標，從頭設計結合蛋白，BLI 響應信號值≥陽性對照1/2為候選;（b）RF diffusion成功率高出兩個數量級; (d) 親和力最高的結合物，結合KD為28nM; (e-h) 結構學驗證。

研究團隊表示，RF diffusion是對目前蛋白質設計方法的一次綜合改進，能夠產生總長度達600個氨基酸殘基的結構，其復雜性和準確度均超越以往。研究團隊還表示，進一步改進該方法或能設計出復雜程度更高的全新蛋白質。

超螺旋配對的高親和力蛋白

針對內在無序區的重復性蛋白和多肽，本文開發了一種基于超螺旋配對的從頭設計蛋白的通用性方法。該方法能以大約 20% 的成功率高效設計出多肽結合蛋白，這些蛋白具備低至皮摩（pM）級別的高親和力、高特異性、高熱穩定性以及高精度。此外，該方法還被證實可以靶向更廣闊的非重復性多肽區域，并可延伸至人源蛋白的復雜網絡。

這種高親和力、高特異性就是通過Octet® 來進行檢測的。