藥物只有在體內(nèi)黏附目標蛋白質(zhì)時才能起作用。評估粘性是藥物發(fā)現(xiàn)和篩選過程中的關(guān)鍵障礙。結(jié)合化學和機器學習的新研究可以降低這一障礙。

被稱為DeepBAR的新技術(shù)可以快速計算候選藥物與其靶標之間的結(jié)合親和力。與以前的最新方法相比，該方法可在短短的時間內(nèi)生成精確的計算結(jié)果。研究人員說，DeepBAR有一天可以加快藥物發(fā)現(xiàn)和蛋白質(zhì)工程的步伐。

“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所副教授，輝瑞-勞巴赫化學職業(yè)發(fā)展教授張斌說。和哈佛大學，以及描述該技術(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。該研究的主要作者是麻省理工學院化學系的博士后丁新強。

藥物分子與靶蛋白之間的親和力是通過稱為結(jié)合自由能的量來衡量的-數(shù)量越少，結(jié)合的粘性就越大。張說：“較低的結(jié)合自由能意味著該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。"計算候選藥物的結(jié)合自由能提供了一種藥物潛在效力的指標。但這很難確定。

計算束縛自由能的方法分為兩大類，每種都有其自身的缺點。一類可以準確地計算數(shù)量，從而消耗大量時間和計算機資源。第二類在計算上較不昂貴，但僅產(chǎn)生結(jié)合自由能的近似值。張和丁設(shè)計了一種方法來兼顧兩全其美。

精確高效

DeepBAR可以精確計算出束縛自由能，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)化學計算與機器學習的最新進展相結(jié)合。

DeepBAR中的“ BAR"代表“ Bennett接受率"，這是數(shù)十年來用于精確計算結(jié)合自由能的算法。使用Bennet接受率通常需要了解兩個“端點"狀態(tài)(例如，與蛋白質(zhì)結(jié)合的藥物分子和與蛋白質(zhì)*分離的藥物分子)，以及許多中間狀態(tài)(例如，不同水平的部分結(jié)合)的知識)，所有這些都降低了計算速度。

本文所用圖片及內(nèi)容均來源于網(wǎng)絡(luò)收集整理，僅供學習交流，版權(quán)歸原作者所有，并不代表我站觀點。本站將不承 擔任何法律責任，如果有侵犯到您的權(quán)利，請及時聯(lián)系我們刪除。

來源：生物幫

科研實驗中，細胞的體外培養(yǎng)一直是一個重要環(huán)節(jié)。細胞要養(yǎng)好，就要用好血清，如Ausbian®特級胎牛血清，它適合各種細胞培養(yǎng)，尤其適合難養(yǎng)細胞，如：干細胞、肝細胞，神經(jīng)細胞，原代培養(yǎng)、細胞融合、轉(zhuǎn)染細胞等。

Ausbian®特級胎牛血清所有血清出廠前，均經(jīng)過嚴格質(zhì)控，每個批次附有詳細完整的《檢測報告》，包括：品名，貨號，批號，血源地，生產(chǎn)日期，保質(zhì)期，pH值、滲透壓、血紅蛋白、總蛋白、球蛋白、IgG、內(nèi)毒素、無菌檢查（細菌、真菌、支原體）、病毒檢查（如BVD、牛腺病毒、細胞病變效應等）、促細胞生長能力、細胞毒性、BVD-1/2抗體檢查等。

實驗人對于新批次血清，應認真審閱《檢測報告》，做好試用前篩選第一步。（如何看懂《檢測報告》，可登陸“締一生物"網(wǎng)站，留言技術(shù)部，得到免費幫助。）

它在國內(nèi)市場經(jīng)歷十幾年，被眾多科研工業(yè)客戶反復選擇，也是細胞典藏等重大項目十幾年的供應品牌