然而,多肽能否真正发展为药物,不仅取决于与靶标的结合能力,还受到膜渗透性、溶解性、稳定性、半衰期、毒性和溶血性等多种可开发性性质共同影响。 PeptiVerse能够同时接受氨基酸序列和SMILES表示的化学修饰多肽作为输入,整合蛋白质语言模型和化学语言模型,对结合亲和力、膜渗透性、溶血性、非污损性、溶解性、毒性和半衰期等多项关键性质进行统一预测 传统基于蛋白质序列的方法只能处理20种天然氨基酸,而许多化学修饰后的多肽只能采用SMILES表示。 天然序列采用ESM-2蛋白质语言模型获得表示,SMILES结构则利用PeptideCLM和ChemBERTa学习化学表示。 图4:PeptiVerse在线平台界面,包括序列和SMILES输入、多性质预测及结果展示页面。
前文:使用IBS绘制蛋白质或核苷酸序列 - 简书 第一步:插入形状;选择带弧度角的矩阵形状,得到下列的图形 第二步:右键选择填充颜色,设置为清灰色;插入新的矩形,选择不带弧度角的矩形;设置颜色为#E64B35 与前文IBS绘制结果对比: 结论,在绘制蛋白质序列这块,我觉得PPT更加方便和美观,建议最好用PPT来绘制。
一级结构指的是蛋白质中氨基酸的排列顺序,和DNA一级结构一致。 也就是说蛋白质发挥什么功能,基本在一级结构中就确定了。 对蛋白质序列进行基本信息分析可以帮助了解蛋白质的基本信息。 Protparam不考虑蛋白质二级和三级结构的情况下,根据氨基酸组成来估算消光系数。准确的需要实验获得。 体内半衰期:蛋白质在细胞内合成后,含量消失一半所需要的时间,用来衡量蛋白质的稳定性。 Protparam可以预测蛋白质在人,酵母和大肠杆菌中的体内半衰期,可以作为其他物种内的参考。 不稳定系数:作文蛋白质在体外测试中稳定性的参考值。 5.1.3 蛋白质的亲疏水性分析 疏水性氨基酸具有相互聚合隐藏到蛋白质分子内部的趋势,这种力称为疏水作用力,维持蛋白质三级结构的主要作用力。 因为氨基酸的亲疏水性是构成蛋白质折叠的主要驱动力之一,因此蛋白质亲水性分布可以反映蛋白质的折叠情况。
它能够有效阻断真核翻译过程中的延伸阶段,从而抑制整体蛋白质合成,这一特性使其成为测定蛋白质半衰期、翻译调控和相关细胞机制研究的重要实验工具。 经典研究表明,Cycloheximide的作用位置与延伸过程中的translocation紧密相关,并能稳定多聚核糖体状态,是细胞内翻译分析及半衰期测定常用的药物工具。 进一步的分子实验证明,PGC1α的恢复是Salvianolic acid C发挥肾保护作用的关键环节,抑制PGC1α后其保护效应明显减弱[4]。 4. 参考文献 [1] Watanabe-Asano T, Kuma A, Mizushima N. PMID: 40929375; PMCID: PMC12477835. [4] Xu Q, Tan B, Lin P, Wang Y, Huang D, Yang X, Lu J, Chen D, Hu
图1.基于蛋白质语言模型组合突变的策略。整个过程包括四个步骤:(1) 收集数据,(2) 蛋白质语言模型的微调,(3) 在组合序列空间中预测所有突变体,以及 (4) 验证所选突变体。 条形图是指突变体的热稳定性数据,其中蓝色、青色和橙色分别指初始数据集、第一轮和第二轮预测的数据集 其中,最佳突变体13M4包含13个突变位点,与野生型相比,它的活性基本保持不变,在Tm上提高了10.19 °C,在58°C下的半衰期增加了约655倍。 与野生型相比,最佳突变体13M4的Tm提升了10.19℃,58℃半衰期增加655倍,同时催化活性保持不变。 5.研究强调了将来自蛋白质工程的数据与先进的人工智能模型相结合,可以进一步提升模型的预测性能,从而提升蛋白质工程效率。该策略可以推广应用至多种关键酶分子的进化任务中。
2、Cell. 2024 Apr 25;187(9):2288-2304.e27.环己酰亚胺(0.5μM)阻断 SLC6A6-KD CD8 + T 细胞中的整体蛋白质合成,包括 ATF4 的合成。 3、Circulation. 2024 May 28;149(22):1752-1769.用 4-HNE 和 CHX(100μg/mL)处理的 mVSMC 中 Runx2 水平的蛋白质印迹分析长达 12 2、Circulation. 2024 May 28;149(22):1752-1769.用 4-HNE 和 CHX(100μg/mL)处理的 mVSMC 中 Runx2 水平的蛋白质印迹分析长达 12 使用 qRT-PCR 检测 CHX 处理的 AML(THP-1 和 HL-60)细胞中 BCL7A mRNA 的半衰期。 Cycloheximide (35 μM,1 或 4 小时) 抑制兔主动脉平滑肌细胞和 J774A.1 巨噬细胞新生蛋白合成[4]。
上周我们公布了,蛋白质组学习小组起飞啦! 短短几天就获得了250多小伙伴的支持,让我们也更有信心的带领大家掌握一个蛋白质组学数据处理的实战,前面两期我们分享的是: 蛋白质组学第1期-认识基础概念 蛋白质组学第2期-认识蛋白质组学原始数据 蛋白质组学第 3期-蛋白质组学的三大元素 1. 4. 搜库参数 除了设置了LFQ,其他都是采用默认参数。 (4)Up to 5 modifications per peptide were allowed; acety-lation (protein N-terminal) and oxidation (Met
非天然氨基酸能扩展化学空间,定制肽类药物的功能、半衰期和其他关键属性。尽管含有修饰氨基酸(如经过翻译后修饰的残基)的化学空间极大,但实验测量含修饰氨基酸肽的开发性质既昂贵又耗时。 它们通常具有低口服生物利用度和短半衰期,这是由于高清除率和低代谢稳定性造成的。此外,肽类药物可能具有较差的膜透过性。 自然界中的例子表明,内源性肽和蛋白质的特性可以通过翻译后修饰(PTM)进行改变。 在实际治疗应用中,研究人员通过PTM改善肽性质,如增加生物活性和改善代谢稳定性,增加结合亲和力、半衰期以及通过脂肪化和酰化改善组织渗透能力等等。 通过糖基化可以改善生物利用度和稳定性,增强蛋白质-蛋白质相互作用,利用细胞表面的葡萄糖转运蛋白提高细胞渗透性。 尽管已有几种准确的蛋白质和肽溶解度预测器,以及对单个氨基酸的预测器,但目前还没有基于序列的方法可以方便地处理非天然氨基酸。
衡宇 梦晨 发自 凹非寺 量子位 | 公众号 QbitAI AI蛋白质结构预测赛道,国产模型又有吸睛表现: 在蛋白质结构预测竞赛CAMEO上,有支队伍连续四周夺得全球第一。 不同之处在于CASP两年一届,CAMEO则是持续举办,每周都有结构生物学家最新破解出的蛋白质结构作为赛题。 AIRFold在近4周的比赛中,不仅预测结果IDDT分数领先,系统响应时间上也远远领先后几名的团队。 亮眼成绩如何取得?后续又有哪些研究和应用方向? 的蛋白质预训练工作ESM中也有体现。 第三,最重要的原因,我们做AIRFold和参加比赛最终的目的不仅仅是为了蛋白质结构预测本身。
(4)新药与功能性产品开发:用于开发多肽相关药物等。图1.多肽定制的常见类型。 图3.脂肪酸修饰的生物学价值:延长半衰期、降低免疫原性,细胞内摄取及跨上皮屏障递送[2]。 图4.通过点击化学连接寡糖和多肽链的化学结构示例[3]。 图5.转铁蛋白与细胞穿膜肽双功能修饰肽用于体内外递送质粒以治疗阿尔茨海默病[4]。 Section.03重组蛋白定制蛋白质可以分为传统天然蛋白质和重组蛋白两大类。
多肽药物由现代生物或化学技术合成,是一类介于大分子蛋白质药物和小分子化学药物之间的具有调节细胞生物功能的药物,可用于疾病的预防、诊断及治疗。详细可见下表中的属性对比。 表1 多肽药物与传统小分子化药和蛋白质药物的比较PART 03 多肽药物的合成方法及特点多肽药物合成一般有生物合成法和化学合成法。其中化学合成法中的固相合成法是目前多肽药物的主流方法。 此外,通过多种结构修饰手段,可调控肽类的药代动力学特性,包括吸收、半衰期、代谢和生物利用度。 通过引入糖基或脂质基团等结构,可提高肽类的通透性和生物利用度(图4)。因此,合成化学工具的进步显著推动了肽类药物的研究与开发。 10.1038/s41573-020-00135-8[3]https://doi.org/10.1007/s00726-025-03454-5[4]皓元医药公司公告
多肽作为生化工具的应用场景 4. 方法选择建议 5. 展望与挑战 1. 靶标受限:难以针对无序区域或缺乏结构信息的靶标 4. 、溶解性、溶血性 moPPIt 标准氨基酸 MOG-DFM + 位点预测 亲和力、位点特异性、半衰期、溶解性 AReUReDi 标准/SMILES 整流离散流匹配 亲和力、半衰期、溶解性、溶血性 SOAPIA 3.4 可编程蛋白质组编辑:诱导邻近策略 这是全文最具远景性的部分,作者将多肽引导的蛋白质组编辑与 CRISPR 对基因组的影响相提并论: 概念框架 CRISPR 成功的核心在于将靶向(gRNA)与执行 4.方法选择建议 方法选择决策框架 作者在文章图 2 中提供了一棵实验者导向的决策树,核心逻辑如下: 是否有高分辨率三维结构? ├─ 是 │ ├─ 相关界面是否已知且结构化?
先前的研究已表明,增加二级结构可延长mRNA的半衰期,再加上选择优化的密码子,可改善蛋白表达。因此,原则上mRNA的设计算法必须优化二级结构稳定性和密码子的使用。 图4 计算机模拟结果和分析 图3a展示了LinearDesign对UniProt蛋白质的运行时间。 具有最低MFE的序列A显示出最慢的降解速率,其半衰期(T1/2)分别为10 mM和20 mM Mg2+缓冲液中的20.0小时和12.6小时(图4c和扩展数据图5)。 值得注意的是,所有7个由LinearDesign生成的mRNA(序列A-G)的蛋白质表达水平均比基准序列H显著升高(图4d和补充图12)。 该研究的4条序列(A,C,H和BNT)中,与BNT mRNA相比,序列A和C的降解速率显著降低(扩展数据图6)。值得注意的是,BNT和序列H具有非常相近的MFE和CAI(图4a)且具备相似的半衰期。
4. Interdisciplinary Sciences: Computational Life Sciences 链接: https://doi.org/10.1007/s12539-025-00697-4 Efficacy 期刊: bioRxiv 链接: https://doi.org/10.1101/2025.03.26.645438 简介: 文章介绍了一种整合深度学习与高效功能筛选的方法,用于设计具有延长半衰期和增强疗效的 实验使用了糖尿病和肥胖小鼠模型等,结果显示,部分设计的GLP-1RAs在体内半衰期显著延长,降糖和减肥效果优于司美格鲁肽。该研究为肽类药物设计提供了新途径,且整个设计到筛选过程可在两周内完成。 模型包含蛋白质序列编码、多层图卷积网络蛋白质表示和蛋白质卷积三个模块。
【SQL必知必会】002-基础篇:了解SQL:一门半衰期很长的语言 一、概述 SQL 语言是最具有中台能力的语言! 二、半衰期很长的 SQL 1974 年,IBM 研究员发布了一篇揭开数据库技术的论文《SEQUEL:一门结构化的英语查询语言》,直到今天这门结构化的查询语言并没有太大的变化,相比于其他语言,SQL 的半衰期可以说是非常长了 SQL 语言按照功能划分成 4 个部分: DDL:操作数据库和表 DDL,英文叫做 Data Definition Language,也就是数据定义语言,它用来定义我们的数据库对象,包括数据库、数据表和列 示例: SELECT name, hp_max FROM heros WHERE role_main = '战士' 五、价值衡量 SQL 语言 SQL 的价值在于通用性强(市场需求普遍),半衰期长(一次学习终身受用
通过整合基因组测序、转录组分析与定量蛋白质组学数据,研究人员揭示了数千个自然变异如何影响蛋白质丰度与结构变化,并识别出多个受自然选择调控的代谢与信号通路。 结果显示,基因组差异不仅影响蛋白质表达量,还通过翻译效率、蛋白稳定性与复合物组装等机制塑造蛋白质组的多样性。 所有数据经过标准化与质量控制后,用线性混合模型解析变异对蛋白质丰度的贡献,构建了 变异—转录—蛋白质 三层关联网络。 结果显示,变异可影响核糖体结合位点结构、mRNA二级结构及翻译起始速率;同时,也可能改变蛋白质稳定性与泛素化信号,从而影响半衰期。这些机制协同作用,形成自然变异到蛋白质丰度变化的量化路径。 从基因组到蛋白质组再到适应性的系统框架 研究人员构建了“基因组—蛋白质组—表型”整合模型。
这种高效的抑制特性,使研究人员能够在特定时间点“冻结”细胞的蛋白合成状态,从而用于分析特定蛋白的半衰期、研究其对细胞的影响,或分析依赖于该蛋白的信号转导通路。 其次,Emetine还可通过干扰宿主细胞的蛋白质合成,抑制病毒基因的翻译过程。Emetine还能够积累在溶酶体中,干扰后者的功能,从而抑制病毒的进入和复制。 Emetine的处理可迅速耗竭其内部关键的短半衰期蛋白,如参与细胞骨架动态组装、胞吞作用及能量代谢的酶系,从而导致其运动能力丧失、形态异常并最终引发程序性细胞死亡[4]。 例如有文献评估了几种转录和翻译抑制剂对大鼠肝细胞线粒体RNA和蛋白质合成的影响,发现只有Emetine能直接作用于线粒体,实现线粒体蛋白质合成的抑制,为研究线粒体转录和翻译机制提供了工具[11]。 4.
型聚合酶作用,增强父本基因的表达,目前的研究表明,环状RNA对父本基因的表达具有正调控功能 部分环状RNA可以翻译蛋白,比如科学家发现并证实了circ-ZNF609在IRES位点的驱动下可以翻译成蛋白质 真核生物细胞中环状RNA的性质 结构稳定性,大多数exonic环状RNA的半衰期超过48小时,而mRNA的平均半衰期为10小时,环状RNA的这一特性得益于其闭合的环状结构,对核酸外切酶具有耐受性 数量丰富 在不同物种间具有保守性,比如有科学家发现457个人类的环状RNA可以在小鼠基因组上找到对应的同源环状RNA 4.
同位素类产品,根据其稳定性和放射性的物理性质,可以分为以下两种: 稳定同位素 (Stable isotope):是指化学元素中,不发生放射性衰变或不易发生放射性衰变的同位素,稳定同位素即使会发生衰变,因半衰期太长而无法测量出 ■ 蛋白质组学 (Proteomics) 在许多疾病的发展进程中(如癌症),常伴随着某些蛋白质的表达异常。 蛋白质组学就是把一个基因组表达的全部蛋白质或一个复杂的混合体系中所有的蛋白质进行精确的定量和鉴定。稳定同位素标记的方法,可以量化样品中的蛋白质浓度差异。 J Chromatoger B.; 2019, 1113; 37-44. 4. Hannah N. Miles,et al.
DRUGONE 蛋白质–蛋白质相互作用(PPI)对生物功能至关重要。尽管基于协同进化分析和深度学习的蛋白质结构预测方法已在细菌和酵母中实现了大规模互作预测,但在更复杂的人类蛋白质组中应用仍然有限。 协同进化分析结合结构预测(如AlphaFold、RoseTTAFold)已在细菌、酵母中开展了蛋白质组规模的筛查,但在人体中仍受制于计算规模和有限的动物基因组数据。 研究人员此前开发的轻量级深度学习网络在人类互作预测中精度有限,而AlphaFold2虽精度更高,但计算开销过大,难以应用于蛋白质组范围。 人类蛋白质组范围内的互作预测 研究人员利用RF2-PPI和AlphaFold2,对19,528个人类蛋白(约1.91亿对配对)进行了筛选。 讨论 研究人员通过结合更深的进化信号和更大规模的训练集,提出了一种在蛋白质组范围内预测人类PPI的有效方法,显著扩展了高置信度互作的覆盖率。