แบบจำลองคอมพิวเตอร์กำหนดความสามารถของผู้สมัครยาในการจับกับโปรตีน

เมื่อรวมเอาฟิสิกส์การคำนวณเข้ากับข้อมูลการทดลอง นักวิจัยของมหาวิทยาลัยอาร์คันซอได้พัฒนาแบบจำลองคอมพิวเตอร์เพื่อกำหนดความสามารถของผู้สมัครยาในการกำหนดเป้าหมายและจับกับโปรตีนภายในเซลล์ โฆษณา หากแม่นยำ เครื่องประมาณค่าดังกล่าวสามารถแสดงค่าสัมพรรคภาพผูกพันทางคอมพิวเตอร์ได้ และทำให้นักวิจัยทดลองไม่ต้องตรวจสอบสารประกอบทางเคมีหลายล้านชนิด ยา งานนี้สามารถลดต้นทุนและเวลาที่เกี่ยวข้องกับการพัฒนายาใหม่ได้อย่างมาก Mahmoud Moradi รองศาสตราจารย์ด้านเคมีและชีวเคมีแห่ง Fulbright College of Arts and Sciences กล่าวว่า "เราได้พัฒนากรอบทฤษฎีสำหรับการประมาณค่าการจับตัวของลิแกนด์กับโปรตีน "วิธีการที่เสนอนี้กำหนดพลังงานที่มีประสิทธิภาพให้กับลิแกนด์ที่จุดกริดทุกจุดในระบบพิกัด ซึ่งมีต้นกำเนิดอยู่ที่ตำแหน่งที่เป็นไปได้มากที่สุดของลิแกนด์เมื่ออยู่ในสถานะที่ถูกผูกไว้" ลิแกนด์คือสาร - ไอออนหรือโมเลกุล - เช่น ยาที่จับกับโมเลกุลอื่น เช่น โปรตีน เพื่อสร้างระบบที่ซับซ้อนซึ่งอาจเป็นสาเหตุหรือขัดขวางการทำงานทางชีวภาพ การวิจัยของ Moradi มุ่งเน้นไปที่การจำลองด้วยคอมพิวเตอร์ของโรคต่างๆ รวมถึงไวรัสโคโรนา สำหรับโครงการนี้ เขาร่วมมือกับ Suresh Thallapuranam ศาสตราจารย์ด้านชีวเคมีและประธาน Cooper of Bioinformatics Research Moradi และ Thallapuranam ใช้การจำลองแบบเอนเอียง เช่นเดียวกับเทคนิคการให้น้ำหนักซ้ำแบบไม่มีพารามิเตอร์เพื่ออธิบายอคติ เพื่อสร้างตัวประมาณค่าแบบผูกที่มีประสิทธิภาพและแม่นยำในการคำนวณ จากนั้นพวกเขาใช้เทคนิคที่มีประสิทธิภาพทางคณิตศาสตร์ที่เรียกว่า orientation quaternion formalism เพื่ออธิบายเพิ่มเติมเกี่ยวกับการเปลี่ยนแปลงโครงสร้างของลิแกนด์เมื่อมันจับกับโปรตีนเป้าหมาย นักวิจัยได้ทดสอบแนวทางนี้โดยประเมินความสัมพันธ์ระหว่างปัจจัยการเติบโตของไฟโบรบลาสต์ของมนุษย์ 1 ซึ่งเป็นโปรตีนส่งสัญญาณเฉพาะ และเฮกซาแซ็กคาไรด์ 5 ซึ่งเป็นยาที่ได้รับความนิยม โครงการนี้เกิดขึ้นเนื่องจาก Moradi และ Thallapuranam กำลังศึกษาโปรตีน fibroblast growth factor 1 ของมนุษย์และการกลายพันธุ์ของมันในกรณีที่ไม่มีและมีอยู่ของ heparin พวกเขาพบข้อตกลงเชิงคุณภาพที่ชัดเจนระหว่างการจำลองและผลการทดลอง “เมื่อพูดถึงความสัมพันธ์ที่ผูกพัน เรารู้ว่าวิธีการทั่วไปที่เรามีอยู่จะไม่ได้ผลกับปัญหาที่ยากเช่นนี้” โมราดีกล่าว "นี่คือเหตุผลที่เราตัดสินใจพัฒนาวิธีการใหม่ เรามีช่วงเวลาแห่งความสุขเมื่อนำข้อมูลการทดลองและการคำนวณมาเปรียบเทียบกัน และตัวเลขทั้งสองก็ตรงกันเกือบสมบูรณ์แบบ" ผลงานของนักวิจัยได้รับการตีพิมพ์ในNature Computational Science ก่อนหน้านี้ Moradi ได้รับความสนใจจากการพัฒนาแบบจำลองทางคอมพิวเตอร์ของพฤติกรรมของโปรตีนขัดขวาง SARS-CoV-2 ก่อนที่จะหลอมรวมกับตัวรับเซลล์ของมนุษย์ SARS-CoV-2 เป็นไวรัสที่ทำให้เกิด COVID-19