- 综合排序
- 最热优先
- 最新优先
AI+Drug 文献速递 | E3Docker：助力 TPD 药物研发的 E3 结合剂在线发现工具
/10.1093/nar/gkaf391 平台: https://e3docker.schanglab.org.cn/ 简介: 本文介绍了E3Docker这一用于发现潜在E3结合剂的在线计算工具，其创新点在于整合大量 E3Docker为靶向蛋白质降解相关药物发现提供了有力平台，有助于识别新型E3结合剂。 2. 3. 该服务器可助力代谢工程、药物发现等领域，通过精准预测缩小底物筛选范围，加速酶功能研究。 6. 该研究为药物发现领域的QSAR建模提供了新的思路和方法。 8.
16910编辑于 2026-01-08靶向不可成药蛋白：TPD药物的快速发展与未来前景 | 皓元医药
导语靶向蛋白降解（TPD）代表了药物发现领域的一项重大突破，使得研究者能够选择性地清除细胞内外的特定蛋白。 PART 01靶向蛋白降解（TPD）药物的分类图源：《Targeted protein degradation current molecular targets, localization, and PART 04TPD领域进展较快的管线分子胶、SERD、PROTAC、RIPTAC和DAC分别有管线在临床阶段。其中分子胶和SERD都已经有药物上市，PROTAC进展最快的在NDA阶段。 随着E3连接酶谱系不断拓展、分子胶机制逐步完善、DACs等创新形式涌现，TPD有望在肿瘤、自身免疫、神经退行性疾病等多领域发挥革命性作用。 未来几年，伴随临床数据积累与交易加速，TPD或将成为又一重大药物研发浪潮。
48310编辑于 2025-09-29- 来自专栏DrugOne
. | 面向靶蛋白降解的SE(3)等变三元复合物结构预测
靶向蛋白降解（TPD）是一种迅速发展的药物研发策略，旨在利用泛素-蛋白酶体系统或自噬-溶酶体通路，选择性地降解目标蛋白。 TPD的作用机制以“事件驱动”为特征，即通过瞬时蛋白间相互作用引发泛素化及后续降解，而非持续性结合。这意味着TPD药物对结合亲和力的依赖较低，用量较少，副作用风险较低。 即便是可被抑制剂靶向的蛋白，TPD依然提供了应对耐药突变等挑战的备选方案。 目前，TPD主要分为两类策略：PROTAC与分子胶。 理解三元复合物的结构对于TPD药物的理性设计至关重要，不仅有助于揭示关键相互作用界面与配体结合构象，还可用于预测连接子的理想长度与柔性，进而优化选择性与药效。 如此高效的推理能力使得 DeepTernary 有望支持大规模虚拟筛选，为TPD药物开发显著加速。
48110编辑于 2025-07-12 - 来自专栏DrugOne
｜靶向蛋白降解药物数据库TPDdb正式发布
TPD正在改变药物研发范式，为攻克“不可成药”靶点开辟新路。 近日，浙江大学与西交利物浦大学合作发布了综合性靶向蛋白降解药物数据库TPDdb（https://idrblab.org/TPDdb），系统提供了六大类TPD资源：分子胶（Molecular Glue）、 它们通过诱导产生一个全新的蛋白质结合界面，来介导E3泛素连接酶与靶蛋白的相互作用，进而实现对靶蛋白的降解、抑制或稳定等多种功能调控。 PROTAC是一类异双功能分子，由与靶蛋白结合的配体、招募E3连接酶的配体和连接两者的化学接头组成。 详细提供了UPS/ALP TPD的结构信息 每个TPD的作用机制（MOA）均有说明，包括对POI（Protein of Interest）和E3连接酶（E3 Ligase）的详细描述，提供了POI与E3
26910编辑于 2025-11-17 - 来自专栏DrugOne
CellPress | 构建可降解激酶组图谱为加速降解药物开发提供资源
靶向蛋白降解（targeted protein degradation, TPD）是利用小分子（降解剂）来诱导蛋白泛素依赖性降解。由于TPD可以处理先前无法访问的靶标，因而引发了药物研发者的兴趣。 1 介绍 TPD是一种新兴的治疗手段，它可以克服传统药物抑制方法的限制。 TPD利用小分子来通过连接E3泛素连接酶和感兴趣的蛋白质（proteins of interest，POI）来诱发细胞降解机制，如图1所示。 TPD可以结合人类蛋白组剩下80%的那些曾认为是不可降解的靶标。 ? 图1：目标蛋白降解作用模式 尽管现在已经对TPD进行了广泛的探索，但是它仍然很难预测哪些蛋白质是简单易处理的，哪些会抵触这种方法。 这些资源可以加快化学探针的开发、药物发现和蛋白质降解途径的基础研究。
86030发布于 2021-02-01 GSPT1蛋白降解剂的研发进展与DDB1-CRBN&GSPT1 PROTAC试剂盒的应用价值
摘要靶向蛋白降解技术（TPD）是抗癌治疗的重要新方向，其中分子胶与PROTAC策略在诱导致病蛋白降解方面展现出巨大潜力。 GSPT1（G1toSphasetransition1）作为翻译终止关键因子，在多种恶性肿瘤中高表达，是TPD领域的热门靶点。 二、基于CRBN的GSPT1降解剂研发现状目前针对GSPT1的药物开发主要采用蛋白降解策略，尤其是利用CRL4CRBNE3泛素连接酶系统诱导其泛素化与蛋白酶体降解。 3.技术优势-高度模拟体内E3-底物互作环境，数据更具生理相关性。-操作标准化，支持多平台检测，重复性好。-可与其他组学技术联用，深入解析降解机制与脱靶效应。 DDB1-CRBN&GSPT1PROTAC试剂盒作为标准化的体外研究工具，可在机制解析、药物筛选与分子优化中发挥关键支撑作用，有助于推动新一代GSPT1靶向药物的研发与临床转化。
14810编辑于 2026-01-22- 来自专栏智药邦
AI+PROTAC｜dx/tx完成500万美元种子轮融资
Differentiated Therapeutics构建了第一个针对靶向蛋白质降解 (TPD) 的端到端发现引擎， 该引擎推动了新型蛋白质降解剂的发现和优化。 优化降解的速度、程度和持续时间对于实现下一代TPD治疗方法至关重要。 我们现在将利用种子轮资金设计和开发具有正确特征的改变疾病的TPD候选物组合，以有效和选择性地降解癌症的重要遗传驱动因素。 Differentiated Therapeutics的使命是为有未满足医疗需求的患者设计和开发改变疾病的TPD疗法。 该公司由小分子和人工智能驱动的药物发现领域的领导者于2021年成立，总部设在加利福尼亚州圣地亚哥和马萨诸塞州剑桥。
34220编辑于 2022-11-16 - 来自专栏智药邦
使用AlphaFold3进行合理的药物设计
AlphaFold 3为科学和药物设计带来的希望 对于Isomorphic Labs来说，AlphaFold 3使药物设计人员能够快速准确地预测从未表征过的复合物结构，为药物设计人员提供了一种基础工具， 我们相信，这种对药物靶点运作环境的更广泛理解将转化为临床上更有效的药物。 为了证明AlphaFold 3在基于结构的合理药物设计方面的潜力，Isomorphic的科学家研究了TIM-3，这是一种免疫检查点蛋白，在2021年发表的一篇论文中被确定为癌症免疫疗法的潜在靶点。 通过这个例子，AlphaFold 3证明了它能够准确地从结构上描述药物分子设计的进展。 展望未来 Isomorphic已经在内部项目以及与制药公司的合作中部署了AlphaFold 3的前沿版本。 但AlphaFold 3只是Isomorphic正在研究的众多人工智能突破之一，这些突破是改变药物发现所必需的--结构理解只是其中的一部分。
72110编辑于 2024-05-10 - 来自专栏DrugOne
. | 共折叠模型AlphaFold 3能否攻克共价药物结构预测难题？
该研究构建了专门用于评估共价复合物结构预测的综合基准测试集CoFD-Bench，并系统评估了包括AlphaFold 3在内的主流共折叠模型与传统对接方法的性能，揭示了AI模型在共价药物设计中的潜力和局限性 SARS-CoV-2 3CLpro抑制剂复合物（PDB: 8TPD）： 这是一个具有新颖化学骨架的非肽类抑制剂：尽管该口袋在训练集中很常见（相似度高），但由于配体部分的新颖，AlphaFold 3未能正确预测其结合模式 图3：两个AlphaFold 3预测失败的案例：PDB ID: 8TPD, 8T8N 上述的分析表明：当前的共折叠模型在一定程度上仍依赖于对已知训练数据/结构的“记忆”，在面对全新的化学空间时，其真实的物理泛化能力仍有待提高 AlphaFold 3 的新能力：无需定义反应位点的“盲显”潜力 传统的共价对接需要预先明确指定反应残基，这在早期药物发现中（当反应位点未知时）是一个限制。 研究结果表明，以AlphaFold 3为代表的AI共折叠方法不仅在预测精度和相互作用恢复方面显著优于传统方法，更为共价药物的设计展现了广阔的应用前景。
17810编辑于 2026-01-26 - 来自专栏DrugOne
Nucleic Acids Res. | 中国海洋大学团队发布全球首个MolGlueDB分子胶数据库
DRUGAI 靶向蛋白降解（Targeted Protein Degradation, TPD）是当前药物研发的前沿方向，其中分子胶降解剂（Molecular Glue Degraders, MGDs） 两者均通过泛素-蛋白酶体系统实现靶蛋白的选择性降解，但机制差异显著：PROTAC借助双功能连接子桥接E3连接酶与靶蛋白，而MGD以小巧的单价分子诱导三元复合物形成，具备更优的药物样性质。 数据库涵盖化学结构、结合亲和力、降解能力、生物活性、理化性质等，支持文本/结构搜索，可极大促进MGDs的理性设计与药物发现。 (3) 功能模块强大：支持文本与结构双重搜索，提供子结构查询、分子编辑器及多维度筛选功能（包括靶点、E3连接酶、理化性质、药效团类型等），极大提升用户体验与分析效率。 这些改进将推动靶向蛋白降解（TPD）领域向多模态药物研发转型，加速从偶然发现向理性设计的转变，为癌症、神经退行性疾病等重大疾病的治疗带来新的希望。
35910编辑于 2025-09-02 - 来自专栏生命科学
MCE | LYTAC 与靶向蛋白降解技术
靶向蛋白降解(TPD)是一种有效性的，高度选择性的诱发蛋白降解方式。近年来，以 PROTAC 为代表的 TPD 技术的研究如火如荼。 但毫无疑问，靶向蛋白降解技术填补了靶向“不可药物”蛋白的空白，并提供了基于药物化学的新的治疗途径。 同时，靶向蛋白降解技术一般是将小分子药物设计成为一种新型的药物，这无疑也为小分子药物的用途提供了广阔的思路。 Pomalidomide第三代免疫调节剂，与 E3 连接酶 cereblon 相互作用，可诱导 IKZF1 和 IKZF3 蛋白的降解。 MCE 的所有产品仅用作科学研究，我们不为任何个人用途提供产品和服务缩写：TPD：Targeted protein degradationCI-M6PR：Cation-independent mannose
87720编辑于 2023-03-16 从ADC到DAC再到MAC：药物偶联技术的范式转变 | 皓元医药
MAC药物是什么？ 图1MACs：克服ADC与分子胶的局限分子胶的短板在上一期行研专栏文章中，我们提到以PROTAC和MGD为代表的TPD类药物的重要进展在于突破了以往难以成药的区域，为潜在靶点的探索打开了大门 。 传统ADC药物的瓶颈尽管ADC技术已取得重大进展，但其使用细胞毒性药物作为载荷仍存在显著限制：这些细胞毒载荷需要较高浓度及长时间暴露才能有效杀伤细胞；一旦释放后，便缺乏靶向特异性，对正常细胞产生毒性；此类载荷的毒性往往高于常规化疗药物 E3泛素连接酶与特定底物蛋白近距离结合，促使底物发生泛素化并被26S蛋白酶体降解；5细胞死亡目标蛋白的降解最终导致癌细胞凋亡或功能性死亡（见图2）。 未来3–5年内或将迎来首个MAC临床结果，标志该领域从理论走向应用。
29410编辑于 2025-10-21- 来自专栏ops技术分享
部署VPN中l2tp（中）
2.xl2tpd软件安装 就像pptp和pptpd一样，L2TP也依赖于xl2tpd。 `yum install xl2tpd` 但是大多数情况下，服务器上运行上面的命令会不成功，因为不存在xl2tpd这个安装包。 -1.3.6-2.el6.x86_64.rpm` `yum install xl2tpd-1.3.6-2.el6.x86_64.rpm` 3.安装好xl2tpd之后，我们进行配置。 它的配置文件有两个，一个是/etc/xl2tpd/xl2tpd.conf一个是/etc/ppp/options.xl2tpd，其实第一个文件把第二个文件包含进来而已。 `mkdir ~/~etc/xl2tpd` `mv /etc/xl2tpd/xl2tpd.conf ~/~etc/xl2tpd/xl2tpd.conf` `vim /etc/xl2tpd/xl2tpd.conf
3.2K21发布于 2021-06-30 从DAU奴隶到TPD指挥官：春节复工，职场升维指南
从DAU奴隶到TPD指挥官：春节复工，职场升维指南 你有没有想过，为什么你加班到吐血，绩效却总被AI”同事”抢风头？ 为什么过去靠“日活”证明价值的时代，突然就翻篇了？ 1）扔简单指令，如“分析上月销售，预测趋势”；2）审输出，练判断；3）迭代提示，提升TPD。像运营用AI析数据，从1份方案到5份（腾讯云案例）。开工第一天，从写周报开始试试。 葛洲坝财务智能体：报销从15分到3分，效率升500%。 国网河南AI智能体：一键端口扫描、渗透测试，网络安全自动化。 平台战呢？过去拼DAU规模，现在拼TPD深度。 36氪报道：AI漫剧市场200亿。 但DAU没死，只是辅TPD。 娱乐App靠DAU占闲，但工具类TPD主宰——重成果，不逗留。 职场赢家不是最忙的，而是TPD最高的指挥者。 最后，反问你： 大年初八复工，还在DAU思维卷加班？ 还是切换TPD，驱动AI，职场自由、社会升级？ 风口已来，早转早赢。新年开工，从今天开始行动，见你的转变故事！ TPD不是KPI，它是你的放大镜——放大判断，缩小枷锁。
14810编辑于 2026-02-28- 来自专栏DrugOne
Proc. Nat. Acad. Sci. | 靶标结构感知的生成式AI模型助力PROTAC与配体分子从头设计
可实现小分子配体及其对应PROTAC（Proteolysis Targeting Chimera，蛋白降解靶向嵌合体）降解剂的从头设计，为药物研发提供了兼容多分子模态的自动化设计新工具。 靶向蛋白降解（TPD）特别是PROTAC技术，已成为药物研发的前沿方向。 基于片段的药物设计（FBDD）虽可通过组装低分子量片段探索广阔化学空间，但其实验流程依赖高灵敏度生物物理方法，限制了规模化应用。 进一步将化合物7和8与CRBN配体泊马度胺通过不同连接子偶联，所得PROTAC分子（Protac 3-6）在细胞内诱导CDK9降解的DC50最低可达9.6 nM，最大降解效率超过85%。 课题组目前已经形成从PROTAC数据库构建、从头分子生成、连接子生成、降解药效评价、可合成性评价、靶向EGFR的PROTAC分ADMET预测等系列工作，形成完善的PROTAC药物设计计算方法，为靶向难成药靶标的降解剂类药物设计提供了系统的技术支持
16510编辑于 2026-03-25 - 来自专栏一点人工一点智能
强化学习中的可解释性问题
具体来说，TPD 使用 FHTD 学习算法来估计固定时间步长的 FHGVF，然后使用这些值来计算 EFO。最后，TPD 将 EFO 作为结果呈现给用户，以便他们更好地理解策略的决策过程。 具体来说，TPD 使用 EFO 来表示未来事件的概率，这有助于用户理解策略在未来可能会发生的事情。此外，TPD 还使用 FHGVF 来估计 EFO，这可以提高模型的准确性和稳定性。 TPD 利用了 EFO 和 FHGVF 的特性，可以在较少的数据量下实现较好的泛化效果。 3）对于特定应用场景的优化：强化学习模型通常需要针对不同的应用场景进行调整和优化。 TPD 提供了一种灵活的方式来解释模型的决策过程，可以帮助用户快速发现并解决模型中的问题。 ，以便向用户传达EFO预测的可靠程度； 3）可以进一步研究如何预测奖励的完整分布，而不是仅仅关注离散事件，这对于那些无法轻松分解成离散事件的问题尤其有用。
40410编辑于 2025-01-16 - 来自专栏散尽浮华
Centos7.2下部署L2TP/IPsec类型的VPN环境记录
不过也有不同之处: 1）PPTP要求网络为IP网络，L2TP要求面向数据包的点对点连接； 2）PPTP使用单一隧道，L2TP使用多隧道； 3）L2TP提供包头压缩、隧道验证，而PPTP不支持。 /proc/sys/net/ipv4/conf/tap9e0ad654-eb/rp_filter [ENABLED] /proc/sys/net/ipv4/conf/tapab9a2526-d3/ 3）单击设置新的连接或网络。 4) 选择连接到工作区，然后单击 下一步。 5）单击使用我的Internet连接 (V**)。 6）在Internet地址字段中输入你的 V** 服务器 IP。 //将默认配置内容情况，直接填写下面内容 config setup conn %default ikelifetime=60m keylife=20m rekeymargin=3m seq 4 sending packet: from 192.168.9.200[4500] to 103.10.86.17[4500] (364 bytes) sending retransmit 3
9.8K33编辑于 2022-03-28 3D-EDiffMG：基于强弱原子力编码，优化药物分子生成
generation to accelerate drug discovery》系统梳理了药物研发中分子生成技术的前沿进展。 研究团队来自海南大学和中山大学，他们通过构建3D-EDiffMG模型这一主要方法，揭示了该技术在药物研发中优化先导化合物结构、加速药物发现的重要意义。 一、药物研发的困境与挑战 药物研发是一个漫长、烧钱且成功率低的过程，其中先导化合物的结构优化又是关键环节。以往，这个过程主要依赖传统的经验优化策略，但化学空间极为庞大，传统方法很难全面探索。 它能利用高效的信息捕捉能力，对复杂的化学空间进行建模并提取关键特征，通过修改先导化合物中的特定原子，快速生成类似药物的分子，助力结构优化。 3D-EDiffMG模型整体表现也很出色，在各项指标上排名靠前。 此外，研究团队针对猴痘病毒治疗药物tecovirimat展开研究。
11610编辑于 2026-01-08- 来自专栏智药邦
徐峻｜人工智能与药物设计学：新范式探索 (3)
随着信息技术的不断发展，药物设计方法学的新概念、新方法和新思路持续更新，药物发现范式也与时俱进。 中山大学药物分子设计研究中心徐峻教授是人工智能与药物设计领域的知名学者。自上世纪 80 年代末，就长期在科研第一线从事分子信息学算法研究和药物发现实验研究，研究领域横跨化学、药学和信息科学。 基于天然配体与受体的结合模式，人们可以采用基于结构的药物设计（SBDD）或基于配体的药物设计（LBDD）的方法发现和优化药物的先导化合物。 传统的 LBDD 药物设计方法建立在QSAR概念之上，其流程如图 4-3-1 所示。 图 4-3-1. 传统的 QSAR 方法在药物设计过程中的应用。 3.2 传统的机器学习方法 人工智能在药物设计中的应用一直是化学信息学的内容。传统的人工智能辅助 LBDD 方法流程如图 4-3-2 所示。 图 4-3-2. 人工智能辅助 LBDD 方法流程。
95112编辑于 2022-04-13 - 来自专栏FHADMIN
java 百度人脸识别接口调用配置
里，PHOTO2 存的是更新Token的时间，PHOTO3存的是Token的值，此数据所有用户共享 tpd = photoService.findById(tpd); String accessToken = tpd.getString("PHOTO3"); if(DateUtil.getDaySub(tpd.getString("PHOTO2"),DateUtil.getDay()) > 29) accessToken = AuthService.getAuth(); tpd.put("PHOTO2", DateUtil.getDay()); tpd.put("PHOTO3", GgNx1THTR6kScxx2cQe36jRT2a"; // 官网获取的 Secret Key 更新为你注册的 String clientSecret = "I0L1rNSWwIsu6zx3cxczz1hnBGDbCgrjkCvaV 官网获取的 API Key + "&client_id=" + ak // 3.
79310编辑于 2022-02-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号