FEB 28, 2024
受体功能响应的精确建模：GPCRs及其延伸
一种药物要发挥疗效，与靶点 蛋白的强效结合是必要条件，但还不够。相反，为了产生预期的功能反应，该药物必须抑制该蛋白的功能或调节其活性，最常见的方式是改变其构象 平衡。 此类蛋白质构象 变化的时间尺度较长，因此无法通过基于物理理论 模拟进行直接建模。然而，我们最近的研究表明，利用FEP+ 进行Alchemical自由能计算，可以准确模拟这些长时标过程的影响。
在本场网络研讨会中，我们将介绍一种易于处理且计算效率高的协议，该协议能够准确、可靠地预测受体对配体结合的功能响应，包括：
- 利用绝对结合自由能微扰 （ABFEP）对配体在受体活性状态与非活性状态下的结合差异进行评分，并准确预测配体结合的功能响应
- 在包括八种G蛋白偶联受体（GPCR）和一种核受体在内的大规模系统集上进行了验证
- 如何利用这一基于FEP的工作流程，在药物发现项目中将配体分类为激动剂或拮抗剂，从而实现前所未有的性能
- 将此方法应用于您自己的研究项目的最佳实践
我们的演讲嘉宾
王玲格，博士
高级副总裁，Schrödinger
科学研发高级副总裁王灵格于2012年加入Schrödinger 公司。他负责推进Schrödinger公司的基于物理理论 计算药物发现平台的发展。他于哥伦比亚大学获得博士学位，期间在理查德·弗里斯纳（Richard Friesner）和布鲁斯·伯恩（Bruce Berne）教授的指导下，致力于研究量化水分子在蛋白质-配体结合中的作用、生物分子模拟中的增强采样以及自由能计算等方法。王灵格在自由能方法的开发及其在药物发现中的应用领域发表了大量论文。
马丁·福格勒，博士
一级高级科学家，Schrödinger
马丁·福格勒（Martin Vögele）是位于纽约市的Schrödinger 公司生命科学软件部门的一名资深科学家。此前，他在斯坦福大学担任计算机科学领域的博士后研究员，期间从事G蛋白偶联受体的模拟研究，以及面向结构生物学和药物发现的机器学习（ML） 开发工作。在移居美国之前，他在德国法兰克福的马克斯·普朗克生物物理研究所，凭借关于脂质膜中扩散与自组织的研究获得了博士学位。