【技术实现步骤摘要】
本专利技术涉及小檗碱与目标蛋白抑制，尤其涉及基于小檗碱与目标蛋白亲和力和选择性的预测方法。
技术介绍
1、小檗碱是一种具有广泛生物活性的天然产物，具有抗炎、抗肿瘤等多种药理作用。然而，由于小檗碱的结构特点和目标蛋白的多样性，小檗碱与蛋白结合抑制的效果有限。目前的研究方法主要是通过实验手段来筛选和优化小檗碱的结构。这种方法耗时、耗费资源，且效果不稳定。
2、因此，需要一种能够准确预测小檗碱与目标蛋白结合亲和力和选择性的算法，以提高小檗碱的蛋白结合抑制效果。
技术实现思路
1、本专利技术的目的在于解决小檗碱与蛋白结合抑制的问题。通过设计一种算法，能够预测小檗碱与目标蛋白的结合亲和力和选择性，从而为小檗碱的应用提供更多的可能性，为小檗碱的进一步研究做好了准备。
2、为实现上述目的，本专利技术通过以下技术方案予以实现。
3、基于小檗碱与目标蛋白亲和力和选择性的预测方法，包括以下步骤：
4、s1）互相作用区域的判断：收集小檗碱与目标蛋白的结构数据，并根据两个结构数据，确定发生互相作用的区域；
5、s2)结合自由能的计算：利用计算化学方法，计算互相作用的区域内小檗碱和目标蛋白的结合自由能；
6、s3）预测模型的构建：根据目标蛋白与小檗碱结合中产生的结合自由能，利用机器学习算法或特征选择方法，构建小檗碱与蛋白结合抑制的预测模型；
7、s4）优化后的小檗碱与目标蛋白的预测：小檗碱分子结构上引入官能团或取代基形成优化
8、进一步地，所述步骤s1）收集小檗碱的结构数据具体为通过实验或计算化学的方法，获取小檗碱的分子结构，所述计算化学的方法包括x射线晶体学或核磁共振，以小檗碱的三维结构。
9、进一步地，所述步骤s1）互相作用区域的判断中，所述根据两个结构数据，确定可能发生互相作用的区域具体是根据氨基酸残基的位置和性质、分子对接或分子动力学模拟中的一种，确定发生相互作用的区域。
10、进一步地，所述采用分子动力学模拟的方法，具体是模拟分子设定时间内的运动轨迹，利用优化分子的能量和构象，找到最稳定和最有利于与目标蛋白结合的构象。
11、进一步地，所述步骤s2)结合自由能的计算中，具体是通过分子力场和量子化学计算方法，模拟小檗碱与目标蛋白的结合过程，并计算互相作用区域内作用位点处的结合自由能。
12、进一步地，所述步骤s3）预测模型的构建中，具体是通过收集数据库中现有的小檗碱与蛋白结合抑制的实验数据，建立训练集，利用训练集进行模型训练，选择卷积神经网络、循环神经网络、支持向量机算法或随机森林算法中的一种，构建预测模型。
13、进一步地，所述步骤s4）之前还包括小檗碱的优化，具体为采用分子动力学模拟方法，模拟引入官能团或取代基后的小檗碱分子结构在设定时间内的运动轨迹，通过调整结构的能量和构象，找到最稳定和最有利于与目标蛋白结合的构象。
14、进一步地，所述调整结构的能量和构象具体为：在结构优化的过程中，调整官能团或取代基的位置、旋转角度或电荷分布中的一种，以形成最佳优化后的小檗碱。
15、进一步地，所述引入官能团或取代基包括疏水基、电荷基、氢键供体或受体。
16、进一步地，所述目标蛋白为癌细胞蛋白。
17、本专利技术的有益效果如下：
18、本专利技术中的预测方法，将智能计算与已有的蛋白数据结合，充分利用现有技术中的已有数据，使得小檗碱能够与多种目标蛋白的结合进行预测，为小檗碱的深度药物效果研发，以及其它相关作用的挖掘，提供了基础数据，使得小檗碱的蛋白抑制效果能够得到研究，以提供更多其应用的可能性，以及深度进行小檗碱的研究。
19、本专利技术可以提高小檗碱与目标蛋白的结合亲和力和选择性。通过设计更精确的算法、引入更多种类的官能团或取代基，以及优化小檗碱分子的结构，进而可以增强小檗碱的蛋白结合抑制效果，并为癌症等小檗碱应用相关治疗领域的研究和开发带来新的机遇。
本文档来自技高网...【技术保护点】
1.基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤S1）收集小檗碱的结构数据具体为通过实验或计算化学的方法，获取小檗碱的分子结构，所述计算化学的方法包括X射线晶体学或核磁共振，以小檗碱的三维结构。
3.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤S1）互相作用区域的判断中，所述根据两个结构数据，确定可能发生互相作用的区域具体是根据氨基酸残基的位置和性质、分子对接或分子动力学模拟中的一种，确定发生相互作用的区域。
4.根据权利要求3所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述采用分子动力学模拟的方法，具体是模拟分子设定时间内的运动轨迹，利用优化分子的能量和构象，找到最稳定和最有利于与目标蛋白结合的构象。
5.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤S2)结合自由能的计算中，具体是通过分子力场和量子化学计算方法
6.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤S3）预测模型的构建中，具体是通过收集数据库中现有的小檗碱与蛋白结合抑制的实验数据，建立训练集，利用训练集进行模型训练，选择卷积神经网络、循环神经网络、支持向量机算法或随机森林算法中的一种，构建预测模型。
7.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤S4）之前还包括小檗碱的优化，具体为采用分子动力学模拟方法，模拟引入官能团或取代基后的小檗碱分子结构在设定时间内的运动轨迹，通过调整结构的能量和构象，找到最稳定和最有利于与目标蛋白结合的构象。
8.根据权利要求7所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述调整结构的能量和构象具体为：在结构优化的过程中，调整官能团或取代基的位置、旋转角度或电荷分布中的一种，以形成最佳优化后的小檗碱。
9.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述引入官能团或取代基包括疏水基、电荷基、氢键供体或受体。
10.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述目标蛋白为癌细胞蛋白。
...【技术特征摘要】
1.基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤s1）收集小檗碱的结构数据具体为通过实验或计算化学的方法，获取小檗碱的分子结构，所述计算化学的方法包括x射线晶体学或核磁共振，以小檗碱的三维结构。
3.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤s1）互相作用区域的判断中，所述根据两个结构数据，确定可能发生互相作用的区域具体是根据氨基酸残基的位置和性质、分子对接或分子动力学模拟中的一种，确定发生相互作用的区域。
4.根据权利要求3所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述采用分子动力学模拟的方法，具体是模拟分子设定时间内的运动轨迹，利用优化分子的能量和构象，找到最稳定和最有利于与目标蛋白结合的构象。
5.根据权利要求1所述的基于小檗碱与目标蛋白亲和力和选择性的预测方法，其特征在于，所述步骤s2)结合自由能的计算中，具体是通过分子力场和量子化学计算方法，模拟小檗碱与目标蛋白的结合过程，并计算互相作用区域内作用位点处的结合自由能。
6.根...
【专利技术属性】
技术研发人员：郑铮，刘昊，危鉴敏，
申请(专利权)人：苏州予路乾行生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。