Дәрілік заттарды ашу және молекулалық модельдеу кезінде AlphaFold2 болжаған аденозиндік рецепторлар құрылымдарының әлеуеті
Қаралымдар: 27 / PDF жүктеулері: 24
Кілт сөздер:
белок құрылымын болжау, TM-align, құрылымдық биология, құрылымдық талдау, дәрілік заттарты зерттеуАңдатпа
Аденозиндік рецепторлар (АР) әртүрлі тіндерде кең таралған экспрессиясына және олардың бірегей, тінге тән рөлдеріне байланысты дәрілік заттарды табуда құнды мақсат ретінде назар аударды. Бұл рецепторлар көптеген физиологиялық процестерді реттейді және AР-ға таңдамалы түрде бағытталған препараттар үлкен емдік әлеуетке ие. Бірнеше AР құрылымдары эксперименталды түрде шешілген және ақуыз деректер банкі (Protein Data Bank, PDB) сияқты құрылымдық дерекқорларда қол жетімді болса да, кейбір рецепторлардың пішіндері құрылымдық түрде анықталмаған күйде қалады. Бұл олқылық рецепторлар-лигандтардың өзара әрекеттесуін зерттеу және ықтимал емдік әсерлерді дәл болжау үшін қажет кешенді молекулалық модельдеуді шектейді. Аденозиндік рецепторларға бағытталған емдік уәдені мойындай отырып, біз дәрілік дизайнда AlphaFold2-болжамды құрылымдарды қолданудың орындылығын зерттедік. Атап айтқанда, біз AlphaFold2 болжаған белсенді A2B AР құрылымын зерттедік және оны эксперименталды түрде анықталған PDB аналогымен салыстырдық. Біздің талдауымыз TM-балы 0,96 және орташа квадраттық ауытқуы (RMSD) 1,48 Å болатын ұқсастықтың жоғары дәрежесін анықтады, бұл AlphaFold2 модельдерінің молекулалық қондыру және дәрілік заттарды табу қолданбалары үшін өміршеңдігін атап өтті. Сонымен қатар, біз A2B және A3 рецепторларының белсенді және белсенді емес формаларына және олардың G-белоктарымен байланыстарына салыстырмалы талдау жасадық. Бұл бағалау рецепторлардың функционалдығы мен құрылымдық динамикасына қосымша түсінік беріп, олардың құрылым-белсенділік қатынастары туралы түсінігімізді жақсартады. Біздің нәтижелеріміз AlphaFold2-ті құрылымдық биологиядағы құнды құрал ретінде, әсіресе эксперименттік құрылымдар қол жетімсіз AР-ға бағытталған дәрілерді табу үшін қолдайды. Бұл тәсіл in silico модельдеу мүмкіндіктерін кеңейтуге уәде береді, селективті және тиімді терапияны дамытуға көмектеседі.
Жүктеулер
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Funding data
-
Russian Science Foundation
Grant numbers 24-23-00603 -
Ministry of Higher Education and Scientific Research
Grant numbers AP19680579