Lacuna: Cryptic Binding Pocket Discovery via Conformational Ensemble Analysis
Lacuna 是一个开源 Python 工具，它通过从单个输入结构生成构象系综、在这些构象中检测口袋并对其进行排序，从而发现隐蔽的结合口袋，识别出在静态蛋白质结构中不可见的位点，同时在不需要高昂模拟预算的情况下保持高准确度和计算效率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在生物学的微观世界中，蛋白质是维持生命运转的劳模。它们是复杂的、折叠的分子链，在我们的细胞内扮演着机器、催化剂和信使的角色。为了发挥功能，许多这类“机器”必须抓取其他特定的分子，这一过程发生在蛋白质表面一个被称为结合口袋（binding pocket）的特定凹陷或空腔中。几十年来，科学家们一直试图预测这些口袋的位置，希望能够设计出能完美契合其中的药物，从而开启或关闭某项生物过程。标准的方法是观察蛋白质形状的一个单一、冻结的快照。然而，这种方法存在盲点。蛋白质并非僵硬的雕像；它们是灵活的，并且在不断变化，随着运动而“呼吸”进出。有时，一个关键的口袋在静止状态下保持隐藏或过小而无法被看见，只有当蛋白质弯曲成另一种形状时才会开启。如果研究人员只观察静止状态，就会完全错过这些隐藏的门扉。
一种名为 Lacuna 的新工具通过改变科学家寻找这些难以捉摸的位点的方式，解决了这个问题。Lacuna 不是分析单张静态图像，而是生成蛋白质在运动时可能采取的一系列不同形状。然后，它扫描每一个形状以寻找口袋，将每一种变化都视为一个潜在的机会。该软件将这些发现进行分组，识别哪些口袋在不同的形状中一致出现，哪些是转瞬即逝的。这种方法使其能够发现“隐性”（cryptic）结合位点——即那些在标准的、未结合的结构中是不可见的，但在自然运动过程中变得可及的位置。该工具旨在实现快速且易于使用，可以在单个计算机处理器上运行，并在几秒钟内完成对每条蛋白质链的分析，这意味着研究人员不需要庞大的超级计算机即可使用它。
开发人员将这种方法与几个既有的数据集进行了对比测试，以观察其表现如何。在一个被称为 CryptoBench 的特定测试集上，该工具在其前五个猜测中成功识别了超过一半的隐藏口袋。当引入额外的排名系统后，这一成功率进一步提升。该工具在科学文献中的其他精选蛋白质对集合以及标准基准测试集上也表现出色，在其中绝大多数情况下都找回了隐藏位点。至关重要的是，该软件为每个位点提供一个连续评分，指示其成为隐性口袋的可能性，并输出可用于下一步药物设计的格式。通过使寻找这些隐藏位点的过程变得更快、更可靠，Lacuna 提供了一种实用的方法来寻找那些对于标准方法而言此前仍不可见的目标，同时它也是免费且开源的，任何人都可以使用。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。