NOV 24, 2022

2022年薛定谔秋季中文生命科学网络讲座 | 运用最新的基于物理的计算方法为基于结构的药物研发开辟新天地

演讲者

段建新博士
研究员

摘要

近年来，随着具有高预测性、基于物理理论的新方法不断发展，以及这些方法在加速发现新型临床化合物方面的能力日益凸显，基于结构的药物发现（SBDD）策略的价值日益凸显。然而，这些方法受到靶蛋白高质量结构模型可获得性的限制。最新的结构生物学创新工具，如冷冻电镜和计算预测的蛋白质模型（采用机器学习和基于物理的方法），有望开启一个新的靶点时代。 在本期网络研讨会中，我们将介绍最新的计算工作流程如何在这些历来具有挑战性的靶点和脱靶点上实现基于结构的药物发现。

主要议题：

在没有实验晶体结构（即同源模型或AlphaFold结构）的情况下，建立并验证一种用于SBDD的高质量蛋白质结构模型的新计算方法。

通过以下案例展示新方法在项目中的作用：

1）推进通过高通量筛选获得的初步候选化合物

2）解决脱靶效应带来的障碍

3）利用同源模型推进整个项目

近年来，随着新型、预测能力极强的基于物理理论 方法不断发展，并已证明能够加速新型临床化合物的发现，采用基于结构的药物设计（基于结构的药物设计 ，SBDD）策略的价值日益凸显。然而，这些方法受到靶点 蛋白高质量结构模型可获得性的限制。 结构生物学领域的最新进展，例如冷冻电镜（cryo-EM）以及基于计算预测的蛋白质模型（采用机器学习（ML） 和基于物理理论 方法），有望为靶点探索开辟全新领域。在本场网络研讨会中，您将了解计算工作流的最新进展如何助力针对这些历来具有挑战性的靶点及非靶点进行基于结构的药物设计 。

涵盖的主要主题：

计算方法 新版本概述：该工具用于构建和验证高质量的蛋白质结构模型，以便在缺乏实验晶体结构的情况下（即基于同源建模或AlphaFold结构）应用于SBDD。

案例研究展示了这些方法在以下方面的影响：

1) 基于高通量筛选获得的初步阳性结果推进研究

2) 剔除靶点 的负债

3) 利用同源模型推进整个项目