作为公司范围内的休整与充电计划的一部分，Schrödinger 全球所有办事处将于8月17日至21日当周暂停办公。在此期间，我们的响应将有所限制，敬请谅解。Scientific和技术支持 团队成员仅会处理紧急支持问题。

联系我们

Protein Preparation Workflow

一款易于使用的工具，用于修正常见的结构问题并构建可靠的全原子蛋白质模型

 

概述

成功的基于结构的建模项目不仅需要精确的软件，还需要精确的初始结构。如果不加以处理，实验所得结构中常见的问题可能会先导化合物 ，导致时间和资源的浪费。Schrödinger的Protein Preparation Workflow 旨在帮助研究人员在项目伊始就确保结构的正确性，为他们提供高可信度的结构，非常适合用于各种建模应用。

经验丰富的建模人员都知道，准确的起始结构是成功进行计算药物设计的前提条件。遗憾的是，即使使用高分辨率的X射线晶体结构，研究人员仍需花费大量时间和精力来纠正一些常见问题，例如缺失的氢原子、不完整的侧链和环结构、不明确的质子化状态以及残基翻转等问题。

Protein Preparation Workflow 整合、自动化并集成了结构制备中最常用的工具和技术，同时不会将研究人员强行限制在单一且僵化的流程中。在整个制备工作流中，用户可以自主选择是否执行某项操作；由于所有中间结构都整理在项目表中，因此无论是与同事共享结果，还是在需要采用特殊方法时调用外部应用程序，都变得轻而易举。

Protein Preparation Workflow 不仅仅是一套用于进行微小结构修正的工具集，它更是一套强大的解决方案，能够确保在基于结构的药物设计项目启动之初就确立合理的起点，因此对于任何工作依赖于精确蛋白质模型的化学家而言，它都是极具吸引力的首选工具。

功能

性能

借助Schrödinger提供的Protein Preparation Workflow 服务，研究人员只需几分钟（而非数小时或数天）即可将原始 PDB 结构转换为全原子、完全准备就绪的蛋白质模型，同时还能确保所有下游建模模拟的准确性。

Protein Preparation Workflow 通过提供一系列工具，使结构制备效率得以提升，这些工具可让您：

  • 从本地数据库或PDB网站自动导入完整的PDB文件——或PDB文件中的任何一条链
  • 自动添加缺失的氢原子
  • 修正金属的电离态，以确保形式电荷和力场处理的准确性
  • 将键序映射到HET基团
  • 可根据用户需要去除共结晶水分子
  • 用ACE和NMA残基封端Cap蛋白
  • 突出显示缺少原子或具有多个占位数的残基
  • Prime（Schrödinger的蛋白质项目）的预处理结构结构预测
  • 使用直观的图形化工具，轻松在不同的残基、HET基团和链之间进行导航
  • 快速、轻松地确定最可能的配体质子化状态，以及其他质子化状态所对应的能量损失
  • 确定组氨酸残基的最佳质子化状态
  • 更正精氨酸、谷氨酰胺和组氨酸侧链中可能发生位移的重原子
  • 通过一种基于聚类的系统化方法优化蛋白质的氢键网络，从而大幅缩短制备时间
  • 执行一种受限最小化计算，该计算允许氢原子自由最小化，同时允许重原子进行充分的运动，以松弛受应力的键、键角和原子碰撞

参考文献

  1. 通过工程改造Penicillium verruculosum内切葡聚糖酶的二硫键以提高其热稳定性

    安娜·巴希罗娃、苏布拉塔·普拉马尼克、帕维尔·沃尔科夫、亚历山德拉·罗日科娃、维塔利·涅马什卡洛夫、伊万·佐罗夫、亚历山大·古萨科夫、阿尔卡迪·西尼岑、乌尔里希·施瓦内贝格和梅赫迪·D·达瓦里，《国际分子科学杂志》，2023年，第20卷第7期，第1602页

  2. 一种用于体外评估单克隆抗体中蛋氨酸氧化风险的新方法：对双层模型的改进

    Davide Tavella、David R. Ouellette、Raffaella Garofalo、Kai Zhu、Jianwen Xu、Eliud O. Oloo、Christopher Negron、Peter M. Ihnat，《PLoS ONE》，2022年，第17卷第12期

  3. 一种新型、自组装的人β-色氨酸酶二聚体抑制剂

    Giardina, S.F.；Werner, D.S.；Pingle, M.；Feinberg, P.B.；Foreman, K.W.；Bergstrom, D.E.；Arnold, L.D.；Barany, F.，《J. Med. Chem.》，2020，63(6)，3004–3027

  4. 丙酸氯倍他索是一种通过血红素介导的人体细胞色素P450 3A5选择性抑制剂

    Wright, W.C.；Chenge, J.；Wang, J.；Girvan, H.M.；Yang, L.； 柴，S.C.；胡伯，A.D.；吴，J.；奥拉迪梅吉，P.O.；芒罗，A.W.；陈，T.，《医学化学杂志》，2020，63 (3)，1415–1433

  5. 针对急性髓系白血病中MUSASHI RNA结合活性的小分子靶向治疗

    Minuesa, G.; Albanese, S. K.; Xie, W.; Kazansky, Y.; Worroll, D. 等，《自然-通讯》，2019，10，2691 (2019)

  6. 利用MM-GBSA预测β-内酰胺酶TEM1中影响功能的突变

    Negron, C.; Pearlman, D.A.; del Angel, G.,《PLoS ONE》，2019，14(3)，e0214015

  7. 利用从分子动力学 (MD) 轨迹计算得到的描述子，表征ERK2激酶抑制剂的化学空间 特性

    Ash, J.; Fourches, D.,《化学信息与建模杂志》，2017，57 (6)，1286–1299

  8. 由常见HLA-B*57:01变异体引发的药物不良反应：一项分子分子对接 研究

    Van Den Driessche, G.; Fourches, D.,《化学信息学杂志》，2017，9(13)，1-17

  9. 预测氨基酸单点突变对蛋白质稳定性的影响——基于分子动力学（MD）的相对自由能计算的大规模验证

    Steinbrecher, T.; Zhu, C.; Wang, L.; Abel, A.; Negron, C.; Pealman, D.; Feyfant, E.; Duan, J.; Sherman, W.,《分子生物学杂志》,2017, 429 (7), 948-963

  10. 利用自由能扰动预测GPCR配体的结合亲和力

    Lenselink, E.B.；Louvel, J.；Forti, A.F.；van Veldhoven, J.P.D.；de Vries, H.；Mulder-Krieger, T.； McRobb, F.M.；Negri, A.；Goose, J.；Abel, R.；van Vlijmen, H.W.T.；Wang, L.；Harder, E.；Sherman, W.；IJzerman, A.P.；Beuming, T.，《ACS Omega》，2016，1，293-304

  11. 筛选可阻断双组分艰难梭菌毒素（CDT）酶活和细胞毒活性的纳米抗体

    Unger, M；Eichhoff, AM；Schumacher, L；Strysio, M；Menzel, M；Schwan, C；Alzogaray, V；Zylberman, V；Seman, M；Brandner, J；Rohde, H；Zhu, K；Haag, F；Mittrücker, H；Goldbaum, F；Aktories, K；Koch-Nolte, F.， 《科学报告》，2015，5(7850)，1-10

  12. 在Fragment中进行精确的结合自由能预测优化

    Steinbrecher, T.B.；Dahlgren, M.；Cappel, D.；Lin, T.；Wang, L.；Krilov, G.；Abel, R.；Friesner, R.；Sherman, W.，《化学信息与建模杂志》（J. Chem. Inf. Model.），2015，55(11)，2411–2420

  13. 源自海洋的西波醇酚 A-4-O-3′,4′-二氯苯甲酸酯通过抑制 Brk 和 FAK 信号传导，在体外和体内抑制乳腺癌的生长和迁移

    Akl, M.R.；Foudah, A.I.；Ebrahim, H.Y.；Meyer, S.A.；El Sayed, K.A.，《Mar. Drugs》，2014年，第12卷第4期，第2282-2304页

  14. 基于结构的虚拟筛选发现噻吩喹诺酮衍生物作为选择性且非竞争性ATP的CDK5/p25抑制剂筛选

    Chatterjee, A.; Cutler, S.J.; Doerksen, R.J.; Khan, I.A.; Williamson, J.S.,《生物有机与药物化学》，2014，22，6409-6421

  15. d-精氨酸脱氢酶中酪氨酸还原为苯丙氨酸活性位点变体的机理与计算研究

    Gannavaram, S.; Sirin, S.; Sherman, W.; Gadda, G.,《生物化学》，2014，53(41)，6574-6583

  16. 基于物理理论 酶设计：预测结合亲和力 和催化活性

    Sirin, S.; Pearlman, D.A.; Sherman, W.,《Proteins》，2014年，第82卷第12期，第3397-409页

  17. 一种酶设计的计算方法：利用分子对接 和MM-GBSA评分法预测ω-氨基转移酶的催化活性

    Sirin, S.; Kumar, R.; Martinez, C.; Karmilowicz, M.J.; Ghosh, P.; Abramov, Y.A.; Martin, V.; Sherman, W.,《化学信息与建模杂志》，2014，54(8)，2334-2346

  18. 蛋白质与配体结构准备 ：参数、操作规程及其对虚拟筛选 富集的影响

    Sastry, G.M.；Adzhigirey, M.；Day, T.；Annabhimoju, R.；Sherman, W.，《计算辅助分子设计杂志》（J. Comput. Aid. Mol. Des.），2013年，第27卷第3期，第221-234页

  19. 通过以下方法改善多肽的分子对接 ：Glide

    Tubert-Brohman, I.; Sherman, W.; Repasky, M.; Beuming, T.,《化学信息与建模杂志》，2013，53(7)，1689-1699

  20. 利用数据融合增强虚拟筛选 富集分析：整合来自二维指纹、形状和分子对接

    Sastry, G.M.; Inakollu, V.S.; Sherman, W,《化学信息与建模》,2013, 53, 1531-1542