Science Blog of Dr. Yuan分享 http://blog.sciencenet.cn/u/albumns This blog is mainly on Molecular molecular modelling and simulations

博文

国际GPCR-DOCK 2021 大赛结果公布

已有 1064 次阅读 2022-4-17 11:31 |个人分类:科研笔记|系统分类:科研笔记

【引言】

蛋白质是生命的基础,蛋白质的结构和折叠直接影响着细胞和人体的各种生理功能。因此,通过实验或生物计算的方法解析或预测靶标蛋白的模型对当今新药研发而言至关重要。2021年,谷歌的AlphaFold2对蛋白质折叠带来了革命性的变化。在整个蛋白质PDB实验数据库当中大约有19万个大分子结构,然而膜蛋白的结构只占整个数据的4%。PDB数据库中大部分已解析的结构为水溶性蛋白或者核酸类分子。基于AI算法的AlphaFold2 对膜蛋白的预测精度还有待验证。作为膜蛋白的GPCR是最重要的药物靶点,近40%的上市药物均针对GPCR而开发。人体内大约有820多种不同的GPCR,其中100种左右的GPCR结构已经被解析出来。为验证当今生物计算和AI计算预测GPCR折叠以及GPCR与药物分子结合模型的可靠性,国际GPCR-Dock 2021应运而生。目前GPCR-Dock大赛已经举办过四次,在本次大赛中来自全球45个不同国家的团队针对5个参赛靶点总共提交了800多个不同的模型。


近日,袁曙光学术及其企业团队在国际GPCR-DOCK 2021大赛中表现卓越,在相关靶点和结合模式预测中斩获全球前三甲。袁曙光教授受GPCR-DOCK2021大赛组织者邀请,参加第七届 iHuman GPCR论坛并做大会主旨报告。 来自全球不同国家的45个团队参与了本次大赛,每个靶点共提交了近200个参赛预测模型。团队针对5个重要的药物靶点G蛋白偶联受体蛋白(GPCR)三维结构折叠及其药物分子结合模式进行了精准预测,靶标整体结构原子位置平均RMSD(root-mean-square deviation)与实验结构相比只有1.81Å的差别;而关键性的七次跨膜区域的原子位置平均RMSD与实验值相比只有1.19 Å的差别。据大赛组织者之一美国UCSD的Irina Kufareva教授介绍,本次大赛的5个靶点预测难易程度分别为:

GPR139<NPY1R<APJ<NMUR2<kOR


团队在kOR等靶点预测中斩获全球前三甲。相关预测不仅正确复现出GPCR折叠模型,并获得精准的药物分子结合模型,捕获到所有的关键性相互作用。

团队预测的模型与实验模型叠合图。白色卡通:实验结构;天蓝色卡通:团队预测折叠模型。RMSDBB: GPCR整体主链RMSD。RMSDTM:GPCR跨膜螺旋RMSD。5个靶点的主链最小平均RMSD为1.81Å;跨膜螺旋区域最小平均RMSD为1.19 Å。在对吗啡受体kOR药物分子结合模式的预测中,团队的3个模型的综合评分位居全球第二、第三和第五。


与此同时,团队将GPCR-DOCK 2021大赛的5个新的实验结构与谷歌AlphaFold2 以及RosettaGPCR 官方结构数据库模型进行了比较。研究发现,团队预测GPCR的主链RMSD和关键性跨膜螺旋区域RMSD均比谷歌AlphaFold2 以及RosettaGPCR要低很多。RMSD越低,表明预测与实验结构更接近。其主要的原因可能是,谷歌AlphaFold2 以及RosettaGPCR均是基于AI的算法。在整个PDB蛋白质数据库中,截至到2022年4月仅有6500个膜蛋白结构被解析出来,占整个PDB数据库的4%。数据的局限性,可能是导致谷歌AlphaFold2 以及RosettaGPCR在预测包括GPCR在内的膜蛋白折叠并不总是精确。


2022年4月13日,国际顶级期刊《Nature》发表在线新闻特写文章,题名为: “What's next for AlphaFold and the AI protein-folding revolution”。文章中,北卡罗来纳大学教堂山分校的结构生物学家和药理学家Bryan Roth说,在某些情况下,AlphaFold的模型准确地预测了称为G-蛋白偶联受体 (GPCRs) 的蛋白质的独特特征,而其他计算工具却搞错了。他说:"它似乎真的很适合生成第一个模型,然后我们用一些实验数据对其进行完善。这为我们节省了一些时间"。 但Roth补充说,AlphaFold并不总是那么准确。他说,在他的实验室已经解决但尚未发表的几十个 GPCR结构中,大约有一半的时间,AlphaFold的结构是相当好的,而另一半的时间对我们的目的来说或多或少是无用的"。他说,在某些情况下,AlphaFold标记的预测具有很高的可信度,但实验结构显示它是错误的。即使该软件是正确的,它也不能模拟一个蛋白质与药物或其他小分子 (配体) 结合时的样子,这可能会大大改变结构。这种警告使Roth怀疑AlphaFold对药物发现有多大作用。由于本团队采用了非纯AI的算法,在此次GPCR-DOCK 大赛中突破了AlphaFold2的局限性,因此获得更精准的GPCR结构预测模型。


【关于GPCR和GPCR-Dock 大赛】 

G蛋白偶联受体蛋白(GPCR)是最重要的药物靶点,人体内总共有820多种不同的GPCR,与几乎所有的人类重大疾病均密切相关。近40%的上市药物都针对GPCR而开发。 GPCR-Dock大赛由GPCR领域的著名结构生物学家Raymond C. Stevens教授等发起,距今GPCR-Dock大赛总共举办过4次,分别在2008年、2010年、2013年以及2021年。大赛旨在验证当今生物计算和AI方法能否正确预测出GPCR的三维结构折叠以及相关药物分子与GPCR的结合模式,从而为GPCR药物研发提供理论指导。



https://blog.sciencenet.cn/blog-355217-1334299.html

上一篇:Merry Christmas and Happy New Year 2021-2022
收藏 IP: 119.145.9.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

全部作者的精选博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-10-8 05:44

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部