本發(fā)明涉及一種g蛋白偶聯(lián)受體藥物靶點(diǎn)口袋結(jié)構(gòu)預(yù)測(cè)方法。

背景技術(shù)：

藥物靶點(diǎn)的發(fā)現(xiàn)和定位是新藥研究成功的關(guān)鍵，在藥物靶點(diǎn)的研究中，雖然人們已經(jīng)做出了巨大努力，但到目前為止，被臨床驗(yàn)證的藥物靶點(diǎn)的數(shù)量還很少。迄今已發(fā)現(xiàn)的治療藥物靶點(diǎn)約500個(gè)，其中受體，尤其是g蛋白偶聯(lián)受體(gprotein-coupledreceptors，gpcrs)靶點(diǎn)占絕大多數(shù)，另外還有酶、抗病毒、抗菌的作用靶點(diǎn)。世界藥物市場(chǎng)上有三分之一的小分子藥物是gpcr的激活劑或拮抗劑，大約40％的現(xiàn)代藥物都以gpcr作為藥物靶點(diǎn)。此外，與gpcr相關(guān)的疾病為數(shù)眾多。因此，更深入地研究gpcr，挖掘其中潛在的藥物靶點(diǎn)，對(duì)于新藥的開發(fā)有著重要的意義。

g蛋白偶聯(lián)受體是一肽類膜蛋白受體的統(tǒng)稱。這類受體的共同點(diǎn)是其立體結(jié)構(gòu)中都有七個(gè)跨膜α螺旋，且其肽鏈的c端和連接第5和第6個(gè)跨膜螺旋的胞內(nèi)環(huán)上都有g(shù)蛋白(鳥苷酸結(jié)合蛋白)的結(jié)合位點(diǎn)。目前為止，研究顯示g蛋白偶聯(lián)受體只見于真核生物之中，而且參與了很多細(xì)胞信號(hào)轉(zhuǎn)導(dǎo)過(guò)程。在這些過(guò)程中，g蛋白偶聯(lián)受體能結(jié)合細(xì)胞周圍環(huán)境中的化學(xué)物質(zhì)并激活細(xì)胞內(nèi)的一系列信號(hào)通路，最終引起細(xì)胞狀態(tài)的改變。已知的與g蛋白偶聯(lián)受體結(jié)合的配體包括氣味，費(fèi)洛蒙，激素，神經(jīng)遞質(zhì)，趨化因子等等。這些配體可以是小分子的糖類，脂質(zhì)，多肽，也可以是蛋白質(zhì)等生物大分子。一些特殊的g蛋白偶聯(lián)受體也可以被非化學(xué)性的刺激源激活，例如在感光細(xì)胞中的視紫紅質(zhì)可以被光所激活。

許多算法和程序模擬受體的靈活性已經(jīng)得到發(fā)展。glide和gold具有蛋白質(zhì)的靈活性通過(guò)減少配體原子和受體之間的緊密接觸(空間沖突)的能量損失來(lái)考慮。autodock4.2和slide顯示全側(cè)鏈柔性可以通過(guò)優(yōu)化側(cè)鏈扭轉(zhuǎn)角度和使用旋轉(zhuǎn)異構(gòu)體庫(kù)來(lái)確定。此外，rosettaligand對(duì)接程序考慮到全面的側(cè)鏈靈活性。

早期的方法檢查的靈活性側(cè)鏈，同時(shí)較少關(guān)注骨干的靈活性。后期版本rosettaligand在對(duì)接過(guò)程中增加了完整的骨架和配體靈活性。

然而，界面骨架的柔韌性不僅是由配體引發(fā)，而且還受到口袋附近的殘留物的影響。相比之下，骨架上的受體結(jié)合位點(diǎn)柔性的直接建模仍然是困難的，因?yàn)槌跏际荏w的單個(gè)固定構(gòu)象縮小了不同的構(gòu)象空間。

因此，gpcr-配體對(duì)接靈活性的面對(duì)的兩個(gè)挑戰(zhàn)是：(1)如何準(zhǔn)確地模擬主體在將配體插入受體時(shí)的擾動(dòng)，和(2)如何在裝訂口袋附近采樣骨干。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的以上問(wèn)題，提供一種g蛋白偶聯(lián)受體藥物靶點(diǎn)口袋結(jié)構(gòu)預(yù)測(cè)方法，本發(fā)明通過(guò)集成基于rosettaligand平臺(tái)的兩種不同的細(xì)化協(xié)議，提出了通過(guò)對(duì)接界面的靈活性組合細(xì)化(coref)方法。

為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種g蛋白偶聯(lián)受體藥物靶點(diǎn)口袋結(jié)構(gòu)預(yù)測(cè)方法，預(yù)測(cè)方法基于rosetttaligand平臺(tái)，包括以下步驟：

s10沒(méi)有配體構(gòu)象的并行受體細(xì)化方法：通過(guò)平行不同的運(yùn)動(dòng)產(chǎn)生多個(gè)初始受體，通過(guò)多個(gè)初始受體來(lái)模擬綁定位點(diǎn)附近骨架的同時(shí)波動(dòng)；

s20具有配體構(gòu)象的并行受體細(xì)化方法：利用rlex配體對(duì)接受體的配體期間模擬界面柔性，通過(guò)插入主干擾動(dòng)階段來(lái)改善界面附近的原子，重組rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)，為界面殘基添加配體構(gòu)象的骨架細(xì)化步驟，擴(kuò)展了rosetttaligand對(duì)接算法。

優(yōu)選地，

s10中包括以下步驟：

s101將rosetta能量函數(shù)被用于改善受體主鏈，并且引入并行算法來(lái)預(yù)測(cè)蛋白質(zhì)主鏈結(jié)構(gòu)；

s102與不同的rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)并行，以模擬綁定位點(diǎn)附近的骨架的同時(shí)波動(dòng)；

s103結(jié)合位點(diǎn)附近的殘基，根據(jù)受體和配體的界面，pbk并行主干算法使用三個(gè)線程進(jìn)行后排運(yùn)動(dòng)、小骨架運(yùn)動(dòng)、剪切運(yùn)動(dòng)；

s104加入并行結(jié)構(gòu)進(jìn)行并行化，獲得多種交叉構(gòu)象；

s105輸出若多低能量構(gòu)象。

優(yōu)選地，

s20中包括以下步驟：

s201在gpcg蛋白偶聯(lián)受體和配體構(gòu)象異構(gòu)體進(jìn)行取樣；

s202在配體取樣過(guò)程中，配體取樣位置變化時(shí)界面殘留發(fā)生變化,進(jìn)行受體界面結(jié)構(gòu)精煉；

s203插入精煉階段遵循mcm對(duì)接階段之前的粗粒度采樣階段，提高受體界面結(jié)構(gòu)的分辨率；

s204識(shí)別界面殘基后，rlex使用運(yùn)動(dòng)閉合協(xié)議在ramachandran空間中實(shí)施骨架扭轉(zhuǎn)采樣，用于模擬配體誘導(dǎo)擬合的結(jié)構(gòu)變化。

優(yōu)選地，s20步驟的算法包括：

算法1：rlex對(duì)接(m，n，l，b，e，c)

1:輸入：受體m的起始模型，受體序列長(zhǎng)度n，構(gòu)象的集合配體l，起始結(jié)合位點(diǎn)b，能量函數(shù)e，

輸出：gpcr-配體配合物的候選構(gòu)象集合c；

2:rinterface＝φ；

3:c’＝coarsegrainedsampling(m,l,b,e)；

4:foreachc′inc’do

5:fori＝1tondo

6:ifdi<＝7then

7:rinterface＝rinterface∪resi；

8:endif

9:endfor

10:foreachlinrinterfacedo

11:c’＝kicrefining(c’,l)；

12:endfor

13:endfor

14:c’＝dockmcm(c’)；

15:c’＝energyminimization(c’,e)；

16:c＝c’；

17:output:c。

優(yōu)選地，以沒(méi)有配體構(gòu)象的平行受體細(xì)化方法和具有配體構(gòu)象的平行受體細(xì)化方法進(jìn)行綜合細(xì)化，coref的工作流程包括：

s301下載十個(gè)cxc4和十個(gè)d3模型，作為coref的起始模型；

s302每個(gè)起始模型都使用pbk進(jìn)行了改進(jìn)，并且生成了一個(gè)包含500個(gè)模型的集合體；

s303使用rlex對(duì)接算法將集合中最大的五個(gè)集群的中心選為與配體對(duì)接的精英構(gòu)象，其再次產(chǎn)生500個(gè)復(fù)合體。

本發(fā)明的有益效果是:

(1)本發(fā)明由于集成了兩種具有和不具有配體結(jié)構(gòu)的骨架柔性建模協(xié)議，所以coref拓寬了具有或不具有配體結(jié)構(gòu)的單一協(xié)議無(wú)法獲得的構(gòu)象采樣空間。

(2)本發(fā)明涉及的方法中，coref以并行方式結(jié)合了rosetta骨干運(yùn)動(dòng)，而不是在不同預(yù)測(cè)階段順序交替不同運(yùn)動(dòng)的傳統(tǒng)方式，這使得從不同移動(dòng)導(dǎo)出的構(gòu)象搜索智能能夠同時(shí)協(xié)作。

(3)本發(fā)明涉及的方法中，rlex在rosetta的對(duì)接協(xié)議中增加了界面細(xì)化步驟，以模擬配體誘導(dǎo)擬合的結(jié)構(gòu)變化，所有這些功能幫助coref實(shí)現(xiàn)更好的預(yù)測(cè)精度。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說(shuō)明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說(shuō)明如后。本發(fā)明的具體實(shí)施方式由以下實(shí)施例及其附圖詳細(xì)給出。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1pbk算法流程圖；

圖2是本發(fā)明s20的方法流程圖；

圖3coref工作流程圖；

圖4使用pymol創(chuàng)建的本機(jī)模型和疊加r1-r5的結(jié)構(gòu)比較。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例1

本實(shí)施例中涉及的材料：

目前，領(lǐng)域中已經(jīng)確定了大約十個(gè)gpcr三級(jí)結(jié)構(gòu)。為了合理評(píng)估，三種已知的結(jié)構(gòu)gpcr，cxc趨化因子受體4(cxcr4，pdbid：30e0,3oe6,3oe8,3oe9和3odu)，人a2a腺苷受體(a2a，pdbid：3eml)和多巴胺d3受體(3pbl)用于檢查pbk、rlex和coref細(xì)化的優(yōu)勢(shì)和弱點(diǎn)。

本實(shí)施例僅選擇3個(gè)目標(biāo)進(jìn)行評(píng)估，因?yàn)檫@些目標(biāo)是gpcrdocking2008/2010社區(qū)范圍的目標(biāo)。本實(shí)施例使用coref確定的結(jié)果不僅可以用于評(píng)估自然結(jié)構(gòu)與結(jié)果之間的差距，還可以了解其他研究組獲得的差異。

1.1趨化因子受體cxcr4

趨化因子受體cxcr4是趨化因子基質(zhì)細(xì)胞衍生因子-1(cxcl12)的特異受體。cxcl12對(duì)淋巴細(xì)胞有強(qiáng)烈的趨化作用。該受體是用來(lái)提取純化艾滋病毒的幾個(gè)趨化因子受體之一。

已經(jīng)公開五個(gè)獨(dú)立的晶體結(jié)構(gòu)cxcr4以至的解析度與拮抗劑小分子it1t(pdbid：3oe0)和環(huán)肽cvx15(pdbid：30e6,3oe8,3oe9和3odu)結(jié)合，并且實(shí)施了cxcr4復(fù)合物的預(yù)測(cè)，以評(píng)估單獨(dú)的pbk(無(wú)配體構(gòu)象的細(xì)化方案)的性能。從pdb3oe0中提取起始受體結(jié)構(gòu)和結(jié)合位點(diǎn)。

1.2腺苷受體a2a

實(shí)施對(duì)接a2a至zm241325的實(shí)驗(yàn)，以評(píng)估rlex(具有配體構(gòu)象的細(xì)化方案)的性能。使用由baker組提交的在gpcrdock2008上發(fā)布的配體zm241325的前五名a2a型號(hào)作為rlex的起始模型。

模型的ca_rmsd范圍為3.5至lrmsd范圍為至表1列出了五個(gè)起始模型的ca_rmsd和lrmsd。

表1.五個(gè)起始模型的cα_rmsd和lrmsd

1.3多巴胺受體d3

多巴胺d3受體在藥物依賴中的作用越來(lái)越受到關(guān)注,藥理學(xué)實(shí)驗(yàn)證明多巴胺d3受體參與成癮藥物的強(qiáng)化作用,影響嚙齒類動(dòng)物的運(yùn)動(dòng)和行為。

配體結(jié)合口袋相對(duì)于結(jié)合的配體的空間定位和在配體結(jié)合口袋中呈現(xiàn)側(cè)鏈的βar中非常相似。通常，口袋區(qū)域的特征在于gpcr系列之間的高序列多樣性。實(shí)施了將d3對(duì)依替必利(eticlopride)的實(shí)驗(yàn)，以評(píng)估coref的表現(xiàn)。

本實(shí)施例中公開了一種g蛋白偶聯(lián)受體藥物靶點(diǎn)口袋結(jié)構(gòu)預(yù)測(cè)方法，預(yù)測(cè)方法基于于rosetttaligand平臺(tái)，包括以下步驟：

s10沒(méi)有配體構(gòu)象的并行受體細(xì)化方法：通過(guò)并行不同的運(yùn)動(dòng)產(chǎn)生多個(gè)初始受體，通過(guò)多個(gè)初始受體來(lái)模擬綁定位點(diǎn)附近骨架的同時(shí)波動(dòng)；

s20具有配體構(gòu)象的并行受體細(xì)化方法：利用rlex配體對(duì)接受體的配體期間模擬界面柔性，通過(guò)插入主鏈擾動(dòng)階段來(lái)改善界面附近的原子，重組rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)，為界面殘基添加配體構(gòu)象的骨架細(xì)化步驟，擴(kuò)展了rosetttaligand對(duì)接算法。

基于上述方法，本申請(qǐng)涉及的gpcrdock2010模型

為了評(píng)估coref的可靠性，本實(shí)施例下載gpcrdock2010參與者所有提交的模型。本實(shí)施例根據(jù)lrmsd閾值將這些cxcr4和d3模型分為更好和更差的組；對(duì)于cxcr4，閾值為10，d3為5。在每組中，隨機(jī)選取5個(gè)模型作為起始模型。因此，測(cè)試數(shù)據(jù)集由包括不同程度的分辨率的二十個(gè)模型組成。

十個(gè)cxcr4起始模型的lrmsd范圍為至和十個(gè)d3起始模型的范圍為至二十種型號(hào)的目標(biāo)名稱和lrmsd列在表2中。這些名稱是根據(jù)gpcrdocking2010的規(guī)則提供的，其中使用gpcrdocking2010分配的組id的中間四位數(shù)字，最后四位數(shù)字表示該組的五個(gè)提交模型。

2.1沒(méi)有配體構(gòu)象的平行受體細(xì)化方案如下：

如圖1所示，s10中包括以下步驟：

s101將rosetta能量函數(shù)被用于改善受體主鏈，并且引入并行算法來(lái)預(yù)測(cè)蛋白質(zhì)主鏈結(jié)構(gòu)；

s102與不同的rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)并行，以模擬綁定位點(diǎn)附近的骨架的同時(shí)波動(dòng)；

s103結(jié)合位點(diǎn)附近的殘基，根據(jù)受體和配體的界面，pbk并行主干算法使用三個(gè)線程進(jìn)行backrub運(yùn)動(dòng)、小骨架運(yùn)動(dòng)、剪切運(yùn)動(dòng)；

s104加入并行結(jié)構(gòu)進(jìn)行并行化，獲得多種交叉構(gòu)象；

s105輸出若多低能量構(gòu)象。

受體骨架的采樣空間可以來(lái)自小開發(fā)與已知蛋白質(zhì)結(jié)構(gòu)的片段相似性或能量的最小化。在本方法中，rosetta能量函數(shù)被用于改善受體主鏈。另一方面，引入并行算法來(lái)預(yù)測(cè)蛋白質(zhì)主鏈結(jié)構(gòu)。在我們以前的并行方法中，我們結(jié)合了各種能源功能，而對(duì)于對(duì)接問(wèn)題，我們結(jié)合了不同的示例策略。

對(duì)于psp(蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè))問(wèn)題，不同的樣本策略通過(guò)蛋白質(zhì)中所有或部分原子的不同結(jié)構(gòu)運(yùn)動(dòng)來(lái)實(shí)現(xiàn)，例如rosetta中的背襯運(yùn)動(dòng)，小骨架移動(dòng)和剪切運(yùn)動(dòng)。

如圖1所示，在沒(méi)有配體構(gòu)象的平行細(xì)化方案中，為了制備具有優(yōu)化的配體對(duì)接初始構(gòu)象的多個(gè)界面，本實(shí)施例中與不同的rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)并行，以模擬綁定位點(diǎn)附近的骨架的同時(shí)波動(dòng)。在平行混合各種運(yùn)動(dòng)之后，采樣空間比單次運(yùn)動(dòng)更寬。結(jié)合位點(diǎn)附近的殘基根據(jù)受體和配體的界面，稱為pbk的并行主干算法使用三個(gè)線程進(jìn)行后座運(yùn)動(dòng)，小骨架運(yùn)動(dòng)和剪切運(yùn)動(dòng)。backrub是一種簡(jiǎn)單的運(yùn)動(dòng)模式，靈感來(lái)源于觀察到的高分辨率晶體結(jié)構(gòu)模型的波動(dòng)，并用于描述蛋白質(zhì)的靈活性。小移動(dòng)通過(guò)隨機(jī)小角度擾亂隨機(jī)殘差的phi或psi，剪切運(yùn)動(dòng)改變殘留物i-1的殘基i和psi的phi。通過(guò)并行化，引入pbk的骨架運(yùn)動(dòng)越多，pbk獲得的低能量構(gòu)象數(shù)越多。

其中，在圖1中，在pbk中采用了rosetta全原子“標(biāo)準(zhǔn)”評(píng)分功能，補(bǔ)丁“score12”。pbk的dof(自由度)只能使界面殘基骨架可移動(dòng)，側(cè)鏈和其他殘留物固定。使用的移動(dòng)圖文件和標(biāo)志文件在s1中有描述。

2.2具有配體構(gòu)象的受體細(xì)化方案

其中，如圖2中所示，s20中包括以下步驟：

s201在g蛋白偶聯(lián)受體和配體構(gòu)象異構(gòu)體進(jìn)行取樣；

s202在配體取樣過(guò)程中，配體取樣位置變化時(shí)界面殘留發(fā)生變化,進(jìn)行受體界面結(jié)構(gòu)精煉；

s203插入精煉階段遵循mcm對(duì)接階段之前的粗粒度采樣階段，提高受體界面結(jié)構(gòu)的分辨率；

s204識(shí)別界面殘基后，rlex使用運(yùn)動(dòng)閉合協(xié)議在ramachandran空間中實(shí)施骨架扭轉(zhuǎn)采樣，用于模擬配體誘導(dǎo)擬合的結(jié)構(gòu)變化。

具有配體構(gòu)象的受體細(xì)化方案在使用rlex(參見算法1)配體對(duì)接受體的配體期間模擬界面柔性，其通過(guò)插入主干擾動(dòng)階段來(lái)改善界面附近的原子，從而重組rosetta標(biāo)準(zhǔn)運(yùn)動(dòng)。隨著配體取樣位置的變化，界面殘留會(huì)發(fā)生變化。插入的精煉階段(算法1中的行4-13)遵循mcm對(duì)接階段之前的粗粒度采樣階段。在識(shí)別界面殘基后，rlex使用運(yùn)動(dòng)閉合(kic)協(xié)議在ramachandran空間中實(shí)施骨架扭轉(zhuǎn)采樣，用于模擬配體誘導(dǎo)擬合的結(jié)構(gòu)變化。

算法1：rlex對(duì)接(m，n，l，b，e，c)

1:輸入：受體m的起始模型，受體序列長(zhǎng)度n，構(gòu)象的集合配體l，起始結(jié)合位點(diǎn)b，能量函數(shù)e，

輸出：gpcr-配體配合物的候選構(gòu)象集合c；

2:rinterface＝φ；

3:c’＝coarsegrainedsampling(m,l,b,e)；

4:foreachc′inc’do

5:fori＝1tondo

6:ifdi<＝7then

7:rinterface＝rinterface∪resi；

8:endif

9:endfor

10:foreachlinrinterfacedo

11:c’＝kicrefining(c’,l)；

12:endfor

13:endfor

14:c’＝dockmcm(c’)；

15:c’＝energyminimization(c’,e)；

16:c＝c’；

17:output:c。

在rlex中使用rosetta配體對(duì)接受體靈活性評(píng)分功能(ligand_soft_rep.wts)。在rlex中定義的移動(dòng)圖可以將固定距離內(nèi)的殘留物(rosetta中的默認(rèn)值為7埃)配置為可移動(dòng)的。在這種情況下，界面的可移動(dòng)原子根據(jù)配體與受體的不同位置來(lái)確定。

2.3綜合細(xì)化

以沒(méi)有配體構(gòu)象的平行受體細(xì)化方法和具有配體構(gòu)象的平行受體細(xì)化方法進(jìn)行綜合細(xì)化，coref的工作流程如圖3所示，包括：

s301從gpcrdocking2010網(wǎng)站下載十個(gè)cxc4和十個(gè)d3模型，作為coref的起始模型；

s302每個(gè)起始模型都使用pbk進(jìn)行了改進(jìn)，并且生成了一個(gè)包含500個(gè)模型的集合體；

s303使用rlex對(duì)接算法將集合中最大的五個(gè)集群的中心選為與配體對(duì)接的精英構(gòu)象，其再次產(chǎn)生500個(gè)復(fù)合體。

coref為每個(gè)起始模型細(xì)化花費(fèi)大約150cpu小時(shí)。

3結(jié)果

3.1通過(guò)將cxcr4對(duì)接到cvx15來(lái)評(píng)估pbk的個(gè)體性能

為了評(píng)估rlex，我們比較了由本機(jī)和模型生成的構(gòu)造集合的精度與界面靈活的細(xì)化。在實(shí)驗(yàn)中，我們制作了五個(gè)具有界面靈活細(xì)化pbk的模型(r1-r5)。使用pymol產(chǎn)生的本機(jī)模型和疊加r1-r5的結(jié)構(gòu)比較如圖4所示。由pbk產(chǎn)生的靈活性由循環(huán)突出顯示。然后使用相同的對(duì)接算法(rosettaligand對(duì)接)生成每個(gè)受體模型(天然模型和r1-r5)的gpcr-配體(cvx15)復(fù)合物的一千個(gè)構(gòu)象。

從原始模型預(yù)測(cè)的lrmsd分布和由pbk精煉的界面靈活模型如圖4所示。結(jié)果表明，從接口精制模型(r1-r5)開始，對(duì)接算法產(chǎn)生比使用未精制受體模型產(chǎn)生的lrmsd復(fù)合物更低的lrmsd復(fù)合物。

3.2coref與rl的性能比較

本實(shí)施例中使用相同的起始受體結(jié)構(gòu)，相同的配體結(jié)構(gòu)，相同的起始配體位置，并產(chǎn)生相同數(shù)量的decoys來(lái)比較coref和rl的性能。

表2中列出的十二種起始受體結(jié)構(gòu)以星形開始，六個(gè)cxcr4目標(biāo)中的四個(gè)和六個(gè)d3目標(biāo)中的五個(gè)顯示出比使用rl獲得的lrmsd更低的lrmsd。然而，lrmsd的改進(jìn)非常有限(少于)。通常，小于1的間隙可以忽略不計(jì)。因此，coref的性能與rl類似。

表2.測(cè)試數(shù)據(jù)集中模型的名稱和lrmsd

(標(biāo)有*號(hào)的模型用于比較core和rl的性能)

在本實(shí)施例中，通過(guò)基于rosetttaligand平臺(tái)的兩個(gè)細(xì)化方案提出對(duì)接界面的靈活性的組合細(xì)化(coref)方法，第一個(gè)細(xì)化方法通過(guò)平行不同的運(yùn)動(dòng)產(chǎn)生多個(gè)初始受體，來(lái)模擬觀察到的在配體構(gòu)象附近的結(jié)合位點(diǎn)附近的骨架的同時(shí)波動(dòng)；第二個(gè)細(xì)化方案為界面殘基添加配體構(gòu)象的骨架細(xì)化步驟，擴(kuò)展了rosetttaligand對(duì)接算法。

由于集成了兩種具有和不具有配體結(jié)構(gòu)的骨架柔性建模協(xié)議，所以coref拓寬了具有或不具有配體結(jié)構(gòu)的單一協(xié)議無(wú)法獲得的構(gòu)象采樣空間。

coref以并行方式結(jié)合了rosetta骨干運(yùn)動(dòng)，而不是在不同預(yù)測(cè)階段順序交替不同運(yùn)動(dòng)的傳統(tǒng)方式，這使得從不同移動(dòng)導(dǎo)出的構(gòu)象搜索智能能夠同時(shí)協(xié)作。

rlex在rosetta的對(duì)接協(xié)議中增加了界面細(xì)化步驟，以模擬配體誘導(dǎo)擬合的結(jié)構(gòu)變化，所有這些功能幫助coref實(shí)現(xiàn)更好的預(yù)測(cè)精度。

對(duì)所公開的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。