研究人员通过机器学习更快地发现药物

药物只有在体内黏附目标蛋白质时才能起作用。评估粘性是药物发现和筛选过程中的关键障碍。结合化学和机器学习的新研究可以降低这一障碍。

被称为DeepBAR的新技术可以快速计算候选药物与其靶标之间的结合亲和力。与以前的最新方法相比，该方法可在短短的时间内生成精确的计算结果。研究人员说，DeepBAR有一天可以加快药物发现和蛋白质工程的步伐。

“我们的方法比以前快了几个数量级，这意味着我们可以找到既高效又可靠的药物，"麻省理工学院广泛研究所副教授，辉瑞-劳巴赫化学职业发展教授张斌说。和哈佛大学，以及描述该技术的新论文的合著者。

这项研究今天发表在《物理化学快报》上。该研究的主要作者是麻省理工学院化学系的博士后丁新强。

药物分子与靶蛋白之间的亲和力是通过称为结合自由能的量来衡量的-数量越少，结合的粘性就越大。张说：“较低的结合自由能意味着该药物可以更好地与其他分子竞争，这意味着它可以更有效地破坏蛋白质的正常功能。"计算候选药物的结合自由能提供了一种药物潜在效力的指标。但这很难确定。

计算束缚自由能的方法分为两大类，每种都有其自身的缺点。一类可以准确地计算数量，从而消耗大量时间和计算机资源。第二类在计算上较不昂贵，但仅产生结合自由能的近似值。张和丁设计了一种方法来兼顾两全其美。

精确高效

DeepBAR可以精确计算出束缚自由能，但只需要以前方法所需计算的一小部分。新技术将传统化学计算与机器学习的最新进展相结合。

DeepBAR中的“ BAR"代表“ Bennett接受率"，这是数十年来用于精确计算结合自由能的算法。使用Bennet接受率通常需要了解两个“端点"状态(例如，与蛋白质结合的药物分子和与蛋白质*分离的药物分子)，以及许多中间状态(例如，不同水平的部分结合)的知识)，所有这些都降低了计算速度。

本文所用图片及内容均来源于网络收集整理，仅供学习交流，版权归原作者所有，并不代表我站观点。本站将不承 担任何法律责任，如果有侵犯到您的权利，请及时联系我们删除。

来源：生物帮

科研实验中，细胞的体外培养一直是一个重要环节。细胞要养好，就要用好血清，如Ausbian®特级胎牛血清，它适合各种细胞培养，尤其适合难养细胞，如：干细胞、肝细胞，神经细胞，原代培养、细胞融合、转染细胞等。

Ausbian®特级胎牛血清所有血清出厂前，均经过严格质控，每个批次附有详细完整的《检测报告》，包括：品名，货号，批号，血源地，生产日期，保质期，pH值、渗透压、血红蛋白、总蛋白、球蛋白、IgG、内毒素、无菌检查（细菌、真菌、支原体）、病毒检查（如BVD、牛腺病毒、细胞病变效应等）、促细胞生长能力、细胞毒性、BVD-1/2抗体检查等。

实验人对于新批次血清，应认真审阅《检测报告》，做好试用前筛选第一步。（如何看懂《检测报告》，可登陆“缔一生物"网站，留言技术部，得到免费帮助。）

它在国内市场经历十几年，被众多科研工业客户反复选择，也是细胞典藏等重大项目十几年的供应品牌