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

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

“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合自由能的量來衡量的-數(shù)量越少，結合的粘性就越大。張說：“較低的結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的正常功能。"計算候選藥物的結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，但僅產生結合自由能的近似值。張和丁設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。新技術將傳統(tǒng)化學計算與機器學習的最新進展相結合。

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，與蛋白質結合的藥物分子和與蛋白質*分離的藥物分子)，以及許多中間狀態(tài)(例如，不同水平的部分結合)的知識)，所有這些都降低了計算速度。

本文所用圖片及內容均來源于網絡收集整理，僅供學習交流，版權歸原作者所有，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，神經細胞，原代培養(yǎng)、細胞融合、轉染細胞等。

Ausbian®特級胎牛血清所有血清出廠前，均經過嚴格質控，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，生產日期，保質期，pH值、滲透壓、血紅蛋白、總蛋白、球蛋白、IgG、內毒素、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"網站，留言技術部，得到免費幫助。）

它在國內市場經歷十幾年，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