NK-RCPP: a receptor-conditioned computational workflow for prioritizing neurokinin-receptor peptide candidates
NK-RCPP 工作流表明，将受体匹配的靶向得分与结构邻近性比较相结合，能够显著优化神经激肽受体多肽候选药物的优先级排序，从而产生一个与仅基于靶向活性所选出的结果截然不同的独特精选名单。
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
人体依赖庞大的化学信使网络来协调从疼痛感知到肌肉运动的一切活动。这些信息由被称为多肽的蛋白质传递，它们通过血液循环寻找细胞表面的特定“锁”。这些锁就是受体，当多肽完美地契合其匹配的受体时，就会触发生物学反应。科学家面临的挑战在于，自然界创造的这些“锁”往往具有非常相似的形状。想象一下有三扇门，从外面看几乎一模一样；一把旨在打开其中一扇门的钥匙可能会意外地打开其他门，或者更糟的是，完全无法打开正确的那扇门。神经激肽受体家族就是这种情况，这类受体在调节恶心、炎症和更年期症状方面发挥着至关重要的作用。虽然医生已成功使用药物来阻断针对特定条件的这些受体，但设计仅针对一个特定受体而不影响其邻近受体的定制化新型多肽“钥匙”，仍然是一项艰巨的任务。
为了解决这个问题，研究人员开发了一种名为 NK-RCPP 的新型计算工作流，它充当了一个严密的过滤器，用于从数以千计的潜在多肽候选物中进行筛选。研究团队并没有简单地观察候选物与其预期目标的匹配程度，而是提出了一个更复杂的问题：该候选物在与各种其他相似结构进行比较时表现如何？他们利用一个经过训练的模型生成了 96 种新的多肽序列，该模型旨在为三种特定的受体（NK1R、NK2R 和 NK3R）设计分子。对于每个候选物，他们根据其与目标受体的对接效果计算了一个得分。然而，他们并未止步于此。他们还将每个候选物与 4,518 个不同的结构近亲进行了对比——本质上是在检查该候选物是真正擅长执行其特定任务，还是仅仅普遍擅长粘附在许多不同的事物上。这个两步走的过程使他们能够观察到，一个候选物是真正具有特异性的，还是仅仅是一个恰好在单次测试中表现良好的通用型选手。
这种双重检查过程的结果令人震惊。当研究人员仅查看预期目标的得分时，许多候选物看起来都很有前景。然而，当他们应用第二条规则——即要求候选物在更广泛的结构近亲面板中也优于其对照组时——顶尖候选物的名单发生了剧变。例如，对于 NK2R 受体，研究团队发现，在初始测试中表现最佳的候选物中，近一半在更广泛的背景下观察时其实缺乏特异性。事实上，当他们创建用于测试的最终候选名单时，如果仅根据目标得分进行选择，名单上的名字有一半会与最终确定的名单不同。这种转变表明，仅依赖单一测试可能会产生误导，因为它可能会选中那些看起来并不像实际那样具有选择性的分子。
有两个特定的候选物，分别命名为 NK2R-04 和 NK2R-19，脱颖而出成为最稳健的选择。这两个分子不仅在目标受体方面表现出色，而且即使在研究人员提高“优秀”评分标准时，它们也保持着相对于对照组的显著优势。即使在标准变得更加严格时，它们依然留在候选名单中，这表明它们很可能是最可靠的研究对象。相反，一些在初始目标测试中得分较低的候选物被剔除，是因为它们在与更广泛的群体进行比较时，未能表现出同等水平的优越性。这凸显了一个关键见解：最好的候选物并不一定是那个拥有单一最高分的分子，而是那个在不同环境下都能持续胜过他者的分子。
该研究还检查了所选多肽的物理构成。通过分析链中每个位置上氨基酸（这些分子的构建模块）出现的频率，研究人员发现了每种受体类型独特的模式。为 NK1R 设计的多肽具有与 NK2R 或 NK3R 不同的化学特征，这证实了计算机模型已经学会为每个特定的“锁”创造独特的解决方案。虽然研究人员目前还无法确认这些分子在活体细胞中的行为，但计算证据为未来的实验提供了一套清晰、明确的候选名单。这项工作表明，通过将直接的目标测试与针对结构近亲的更广泛比较相结合，科学家可以创建一个更可靠的药物候选名单，从而确保被选中用于现实世界测试的分子确实是最有希望的那些。
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。