分享一篇Nature Chemistry上的文章Machine learning designs new GCGR/GLP-1R dual agonists with enhanced biological potency，本文通讯作者是来自剑桥大学的Lucy J. Colwell教授。其研究方向为运用理论与计算去理解结构信息。
胰高血糖素及GLP-1这些多肽能激动G蛋白偶联受体GCGR及GLP-1R。GLP-1R激动剂能降低血糖，抑制食物摄入，降低体重。GLP-1化学类似物已被批准用于治疗二型糖尿病。目前设计新的有选择性结合作用的多肽需要大量实验的工作，作者认为已有的实验数据已经能够训练机器学习模型用于搜索序列空间以预测多肽类似物的活性。作者使用了125组胰高血糖素及GLP-1类似物的序列及EC50训练模型以捕捉其序列间的关系。作者的模型假设多肽的生物活性由其序列决定，使用了卷积神经网络的架构，预测特定多肽序列分别对GCGR及GLP-1R的活性。根据预测结果，作者希望设计1）对GCGR及GLP-1R均有高活性；2）对GCGR有选择性活性；3）对GLP-1R有选择性活性的三类多肽。作者从训练序列出发，筛选出最好的突变体进行下一轮的优化，最后优化出的每个类别各5条肽合成进行实验测试，结果发现能很好设计出对GLP-1R有选择性及都有高活性的肽，但设计对GCGR有选择性的肽表现则很差，作者认为这是训练数据中此类序列不足所致。文章链接：https://www.nature.com/articles/s41557-024-01532-x文章引用：10.1038/s41557-024-01532-x
目前评论：0