- 综合排序
- 最热优先
- 最新优先
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。 TPD的重要进展在于突破了以往难以成药的区域，例如细胞外基质和细胞膜。这一进展为潜在靶点的探索打开了大门，显著提升了TPD在多种疾病和适应症中的应用价值。 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。 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。
37910编辑于 2025-09-29- 来自专栏DrugOne
Nat. Commun. | 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。
45710编辑于 2025-07-12 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
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. 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.
12610编辑于 2026-01-08- 来自专栏DrugOne
｜靶向蛋白降解药物数据库TPDdb正式发布
靶向蛋白降解（Targeted Protein Degradation, TPD）技术通过设计特殊分子，利用细胞自身的蛋白降解机制，特异性清除致病蛋白。 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）、 基于自噬-溶酶体途径（ALP）的TPDs TPDdb全面收录了利用自噬-溶酶体途径（ALP）的TPD分子，为研究者探索更广阔的“可降解靶点宇宙”提供了支持。 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
24710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。 2.2 研究化学和细胞变量对TPD结果的影响 2.2.1 TPD结果变量 作者研究了细胞事件包括细胞靶标接触，三元络合物的形成，靶标蛋白质风度，泛素蛋白质系统（ubiquitin proteasome
85730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。 基于此开发的DDB1-CRBN&GSPT1PROTAC试剂盒，为相关机制研究、药物筛选与分子胶开发提供了标准化、高效的体外评估体系，可有力推动该领域研究与转化进程。 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。 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。
13910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。
33520编辑于 2022-11-16 - 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？
——研究背景—— 靶向共价抑制剂（Targeted Covalent Inhibitors, TCIs）正在成为药物发现领域的一种重要模式。 这类药物通过与靶蛋白中特定的亲核残基形成共价键，具有结合亲和力强、药效持久以及能靶向传统“不可成药”靶点等独特优势。然而，共价药物的理性设计仍然面临巨大挑战。 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 其在不依赖先验位点信息进而识别潜在共价修饰位点的能力，将极大地拓展共价药物的靶向空间。
15410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。 作为全球首个分子胶数据库，MolGlueDB 将为靶向蛋白降解研究提供坚实的数据基础和便捷的工具平台，加速分子胶药物的理性设计与新药研发。 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。
33910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。 沙利度胺 (Thalidomide) 及类似物泊马度胺 (Pomalidomide)和来那度胺 (Lenalidomide) 是一类免疫调节类药物 (IMiDs)，也是典型的分子胶，它们可对 CRBN 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。 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
84620编辑于 2023-03-16 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？ TPD？爆棚——AI帮干了过去一周手动活。 这不是科幻，是底层逻辑翻转：从“注意力经济”到“生产力杠杆”。 DAU失效的原因？AI戳破了“时间稀缺”的神话。 效果导向，高TPD=高价值。 社会影响深远。 重庆老人监测：异常15分响应。甘肃大桥AI防险，救20多命。 消费端，麦当劳蔚来车载AI点餐：说“想吃”，自动荐套餐。 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。
14310编辑于 2026-02-28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 。 但这类药物本身也有一定的局限性，以分子胶为例 ：较差的组织特异性；半衰期短；脱靶效应等。 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 MAC的破局新型ADC药物MAC应运而生。
28110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。 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 /options.xl2tpd ~/~etc/ppp/opitons.xl2tpd vi /etc/ppp/options.xl2tpd ipcp-accept-local ipcp-accept-remote
3.2K21发布于 2021-06-30 - 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
Framework for PROTAC and Ligand Generation Against Protein Targets”的研究论文，提出一种分子片段驱动、蛋白结构感知的药物设计算法框架， 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。 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
8610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
通过这种方式，TPD 可以提供关键信息，帮助用户理解在给定状态和行动下，策略如何做出决策以及可能的结果。 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。 1.2 方法改进 相比于传统的强化学习方法，TPD 引入了新的概念和方法，使得模型更具可解释性和可用性。 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 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。
39610编辑于 2025-01-16 - 来自专栏作图丫
药物优化算法-PriorCD
该R包将药物功能相似网络和全局网络传播算法相结合，实现了对感兴趣的癌症治疗药物优先级的预测方法。此外，用户可以验证优先排序结果，并可视化得到的药物网络结构。 对这些药物的相关性结果构建网络，节点为药物，边为功能相似显著性，最终这个网络为药物-药物功能相似性网络。 对于每个药物，选取相关系数 ≥ 0.7，FDR ≤ 0.05， 相关系数top 0.05% 的药物，为其显著相似的药物。然后合并基于mRNA和microRNA通路的药物功能相似网络。 评估药物相似性：Drsim 整合NCI-60癌细胞的通路活性与药物活性相结合，评估药物的相似性，构建药物功能相似网络。 Drsim函数用于构造药物相似性的二元邻接矩阵，其中1表示药物之间具有强相似性，0表示药物之间具有弱相似性。
67642编辑于 2022-03-29 - 来自专栏散尽浮华
Centos7.2下部署L2TP/IPsec类型的VPN环境记录
"wangshibo@123" * 然后重启IPsec和xl2tpd服务 [root@linux-node2 ~]# systemctl restart ipsec xl2tpd 最后可以检查下ipsec /xl2tpd.conf这几个文件配置，确保配置信息无误。 /etc/ppp/options.xl2tpd.client length bit = yes [root@dev ~]# vim /etc/ppp/options.xl2tpd.client ipcp-accept-local 控制文件 [root@dev ~]# mkdir -p /var/run/xl2tpd [root@dev ~]# touch /var/run/xl2tpd/l2tp-control 连接L2TP/IPsec 的命令（L2TP服务端的ipsec和xl2tpd重启后，客户端的V**连接就会断开，需要重新连接） [root@dev ~]# echo "c myvpn" > /var/run/xl2tpd/l2tp-control
9.8K33编辑于 2022-03-28 - 来自专栏数据派THU
【干货书】深度学习生命科学：药物发现与药物发现
理想的实践开发人员和科学家准备将他们的技能应用于科学应用，如生物学，遗传学，和药物的发现，这本书介绍了几个深度网络原语。
34110编辑于 2022-05-12 - 来自专栏生物信息与临床医学专栏
高血压药物简介
在这一期的内容中，我将和大家简单介绍高血压的常用药物。 1. 常用降压药的机制 在临床实践中，常见的高血压药物主要分为5类： （1） 利尿剂（diuretic）：代表药物有氢氯噻嗪（噻嗪类）、呋塞米（袢类）、螺内酯（保钾类）和吲达帕胺（磺胺类）等； （2） 血管紧张素转化酶抑制剂 （angiotensin-converting enzyme inhibitor，ACEI）：代表药物有卡托普利、依那普利、贝那普利和雷米普利等（都是以“普利”结尾的）； （3） 血管紧张素受体阻滞剂（ angiotensin receptor blocker，ARB）：代表药物有厄贝沙坦、氯沙坦和缬沙坦等（都是以“沙坦”结尾的）； （4） 钙离子通道阻滞剂（calcium channel blocker 高血压用药的总原则 （1） 小剂量：减少不良反应的发生； （2） 选择长效制剂：保证血药浓度稳定，使药物作用稳定持久； （3） 联合应用：联用机制不同的药物，使彼此的疗效相加，副作用相消； （4） 个体化治疗
51220发布于 2020-08-05 - 来自专栏FHADMIN
java 百度人脸识别接口调用配置
= new PageData(); tpd.put("USERNAME", "FaceAccessToken"); //用户名为 FaceAccessToken 的在用户头像表SYS_USERPHOTO 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", accessToken); photoService.edit(tpd); } if(FaceMatch.getScore(upd.getString("PHOTO"),imgData
79010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