Strona główna nauka/tech Peptydy i sztuczna inteligencja odkrywają nowe ścieżki w projektowaniu leków

Peptydy i sztuczna inteligencja odkrywają nowe ścieżki w projektowaniu leków

16
0


Renderowanie 3D modelu molekularnego peptydu alaninowego
Renderowanie 3D modelu molekularnego. Cząsteczka jest peptydem alaninowym. Osłona reprezentuje obszar odpychania hydrofobowego, w którym siła efektu hydrofobowego jest w przybliżeniu proporcjonalna do pola powierzchni osłony. Całun, pokazany, rozciągający się tylko nad tylną częścią cząsteczki, rozciąga się dookoła niej. Ten diagram można wykorzystać do zademonstrowania zmian energii potencjalnej w miarę przesuwania się wiązań w zakresie obrotu, kąta lub translacji. Źródło: Praca pochodna: Dhatfield (dyskusja)MM_PEF.svg: Edboas, CC BY-SA 3.0, za pośrednictwem Wikimedia Commons

Chińscy naukowcy zbadali, w jaki sposób peptydy agregują, odkrywając tę ​​grupę aminową kwas skład znacząco wpływa na ich strukturę i zachowanie.

Badanie to łączy symulacje molekularne ze sztuczną inteligencją w celu przewidywania interakcji peptydów, dostarczając niezbędnych danych do udoskonalania receptur i materiałów leków, a także zrozumienia chorób związanych z peptydami, takich jak Alzheimera.

Zrozumienie agregacji peptydów: klucz do postępu w medycynie i materiałach

Naukowcy z Chin zbadali, w jaki sposób krótkie łańcuchy peptydowe agregują ze sobą, aby pogłębić wiedzę na temat tego procesu, który ma kluczowe znaczenie dla stabilności leku i rozwoju materiałów. Ich badanie, opublikowane w JACS Audostarcza cennych informacji na temat interakcji, składania i funkcjonowania krótkich białek zwanych peptydami. Odkrycia te mają istotne implikacje dla medycyny, materiałoznawstwa i biotechnologii.

Peptydy to krótkie łańcuchy aminokwasy które pełnią istotne role w organizmie, budując struktury, przyspieszając reakcje chemiczne i wspierając nasz układ odpornościowy. Specyficzna funkcja białka zależy od tego, jak jego aminokwasy oddziałują ze sobą i agregują w trójwymiarową strukturę.

Sztuczna inteligencja i dynamika molekularna: przewidywanie zachowania peptydów

Zespół badawczy wykorzystał symulacje dynamiki molekularnej w połączeniu z zaawansowanymi technikami sztucznej inteligencji, w tym modelami głębokiego uczenia się, takimi jak sieci regresji transformatorowej, aby przewidzieć, w jaki sposób różne peptydy składające się z czterech lub pięciu aminokwasów (odpowiednio tetrapeptydy i pentapeptydy) będą się agregować na podstawie ich sekwencji aminokwasów.

Analizując 160 000 tetrapeptydów i 3,2 miliona pentapeptydów, odkryli, że niektóre aminokwasy, szczególnie aromatyczne, takie jak tryptofan, fenyloalanina i tyrozyna, znacząco zwiększają agregację, szczególnie gdy są zlokalizowane w kierunku jednego końca (końca C) łańcucha peptydowego. Dzieje się tak prawdopodobnie dlatego, że aminokwasy aromatyczne mają struktury w kształcie pierścienia, które przyciągają się nawzajem poprzez swoje chmury elektronów, zwykle określane jako interakcje „π-π”, co pomaga im się zlepiać. Natomiast aminokwasy hydrofilowe, takie jak kwas asparaginowy i kwas glutaminowy, hamują agregację ze względu na silne oddziaływanie z cząsteczkami wody, co zapobiega sklejaniu się peptydów.

Zasady agregacji krótkich peptydów
Do badania i przewidywania sposobu agregacji peptydów wykorzystano symulacje komputerowe i zaawansowaną sztuczną inteligencję, co dało nowy wgląd w ich zachowanie i strukturę. Źródło: JACS Au/Xi’an Jiaotong-Uniwersytet w Liverpoolu (XJTLU)

Charakterystyka peptydów i ich wpływ na agregację

Badanie wykazało również, że zmiana sekwencji aminokwasów wpływa na agregację. Na przykład dodanie aminokwasów aromatycznych na końcu łańcucha peptydowego zwiększa agregację, natomiast umieszczenie na początku aminokwasów o ładunku ujemnym zmniejsza ją. Zespół odkrył również, że peptydy zbijają się w różne kształty w zależności od rodzaju i pozycji aminokwasów.

„Aminokwasy posiadające ładunek zazwyczaj powodują, że peptydy tworzą długie, nitkowate struktury, podczas gdy te, które unikają wody, mają tendencję do tworzenia okrągłych, kulistych skupisk” – wyjaśnia dr Wenbin Li, adiunkt na Uniwersytecie Westlake i współautor książki badanie. „Odkryliśmy również, że rozumiejąc, w jaki sposób tetrapeptydy sklejają się ze sobą, możemy przewidzieć, jak pentapeptydy będą się zachowywać, co ułatwia przewidywanie, jak długo peptydy będą się zlepiać”.

Implikacje dla biotechnologii i leczenia chorób

Odkrycia dostarczają ważnych wskazówek dotyczących przewidywania i zarządzania agregacją peptydów. „Wiedza ta może pomóc w tworzeniu nowych materiałów, projektowaniu bardziej stabilnych leków i systemów ich dostarczania oraz w zrozumieniu chorób związanych z agregacją peptydów, takich jak choroba Alzheimera, w której zbite peptydy beta-amyloidu tworzą szkodliwe płytki w mózgu” – mówi dr Jiaqi Wang, adiunkt na Uniwersytecie Xi’an Jiaotong-Liverpool (XJTLU) i pierwszy autor badania.

„Może również ulepszyć biotechnologię, np półprzewodnikibiosensory i diagnostykę, zapewniając dokładne i spójne działanie tych narzędzi.

„Oferując nowy wgląd w agregację peptydów, badania te mają na celu postęp w biochemii, materiałoznawstwie i biologii obliczeniowej. Pokazuje także integrację sztucznej inteligencji z odkryciami naukowymi. Postępy te mogą doprowadzić do przełomów w metodach leczenia, produktach przyjaznych dla środowiska i innowacyjnych technologiach.

Odniesienie: „Reguły agregacji krótkich peptydów” 3 września 2024 r., JACS Au.
DOI: 10.1021/jacsau.4c00501



Link źródłowy