末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

通過機器學習和DFT究進行新型抗氧化肽設計

通過機器學習和DFT究進行新型抗氧化肽設計

什么是抗氧化肽

低濃度的自由基在各種人體生物功能中起著至關重要的作用,包括凋亡和蛋白質磷酸化過程。然而,在人體內過多的自由基往往與阿爾茨海默病、癌癥和其他慢性疾病等疾病有關。因此,發現安全、高效且易得的抗氧化劑以預防自由基對細胞的有害影響或減輕其負面影響至關重要。抗氧化肽是一種具有特殊結構的蛋白質片段,它們在體內可以幫助對抗氧化應激。抗氧化肽可以幫助中和這些自由基,減少它們對細胞的損傷,從而保護身體免受疾病和衰老的影響。

通過機器學習和DFT究進行新型抗氧化肽設計

挑戰與方法

然而,材料準備、蛋白質提取、水解、純化和鑒定抗氧化肽可能是一項耗時且很有難度的任務。由Olsen等人收集的數據表明,目前僅存在696種天然來源的抗氧化肽。這說明抗氧化肽化學空間很大,而且還有很大的空間等待我們去探索。為了解決這一問題,機器學習模型提供了一種可以替代傳統方法的途徑,用于快速發現具有作者所期望的功能的抗氧化肽。在這項研究中,作者首次開發了基于遞歸神經網絡(RNNs)的生成模型,用于新型AOPs的從頭設計。考慮到抗氧化劑數據集中僅有696個獨特序列,是一個相對較小的數據集,用它做從頭開始訓練的生成模型是不切實際的。由于抗氧化肽與Specht等人編制的肽序列數據集之間關鍵氨基酸分布具有相似性。所以,作者使用了該肽序列數據集訓練了RNN模型。
圖1:用于抗氧化肽設計的傳統和從頭生成方法流程
通過機器學習和DFT究進行新型抗氧化肽設計
圖2:用于抗氧化肽設計的機器學習方法的流程圖
通過機器學習和DFT究進行新型抗氧化肽設計

從頭抗氧化肽設計的概述圖。(a) 基礎(預訓練)生成模型。(b) 用于預測 AOP 的微調模型。(c) 用于預測生成序列的抗氧化活性的分類模型。根據五重分類評估開發了五個模型。(d) 從微調模型中生成了最多 8 個氨基酸的 5 萬條肽序列。(e) 根據生成的肽的新穎性和獨特性對其進行過濾。(f)使用抗氧化劑分類模型過濾剩余生成的肽,并基于所有五個分類模型的輸出概率將結果與0.99或更大的閾值相交。(g) 兩個肽毒性預測網絡服務器在 122 個剩余肽序列上的交集。(h) 使用 Levenshtein 距離對剩余序列進行聚類,并選擇每個聚類的質心數據點。(i)對12個肽進行DFT計算,并根據其性質選擇6個肽。(j) 實施 DPPH 清除測定。(l)實施羥基清除測定。(k)實施溶血測定。

隨后,作者采用遷移學習來對作者的模型進行微調,特別是用于生成AOPs。從微調模型獲得的所有數據都經過分類,以確定其清除活性。這種分類依賴于一個訓練有關抗氧化劑數據集的模型,以及從兩個不同服務器評估其毒性。經過這一嚴格的過濾過程,編制了最終的肽列表。這些肽進一步通過對其序列進行聚類分析,并選擇質心肽進行后續研究。密度泛函理論(DFT)計算被用來評估分子屬性,包括最高占據分子軌道(HOMO)、最低未占據分子軌道(LUMO)和HOMO–LUMO能隙。這些參數作為本研究中肽抗氧化劑排序的標準。根據這些計算參數,作者選擇了六種肽作為進一步調查的候選物。隨后,作者通過合成和測試所選擇的肽,證明了通過2,2-聯苯基-1-苯基肼(DPPH)、羥基和溶血試驗,作者將能夠識別非溶血性AOPs。所有實施的過程如圖2所示。在追求強大的抗氧化肽的過程中,作者采用了多方面的策略,以發現生成的肽是否能夠同時展現出抗氧化清除活性并通過利用分子動力學(MD)模擬抑制Keap1蛋白。Keap1-Nrf2蛋白相互作用(PPI)在調節Nrf2方面起著關鍵作用,Nrf2是一種轉錄因子,通過控制含有200多個抗氧化反應元件(ARE)的基因的轉錄來保護細胞免受氧化應激的影響。Keap1與Cullin3-RBX1復合物結合在一起,通過細胞負向結合,促進其泛素化和蛋白質體降解,從而對Nrf2起到負調控作用。氧化應激是各種病理狀況的主要促發因素,突顯了打破Nrf2/Keap1 PPI的重要性。

通過機器學習和DFT究進行新型抗氧化肽設計

結論

該研究應用機器學習模型進行抗氧化肽(AOPs)的全新設計,并通過優化的生成模型生成了十二個新穎的AOP序列。通過DFT計算,基于它們的EHOMO和Eg對生成的肽進行排名,以識別最有希望用于合成的肽。其中,具有EHOMO為-4.92 eV的GP12肽被認為是一種強大的電子供體,表明其具有卓越的抗氧化性質。為了評估這些肽的抗氧化能力和抗溶血活性,作者合成了EHOMO最高的三種肽(GP9、GP10和GP12)以及另外三種隨機選擇的肽。結果顯示,在六種合成肽中有三種(GP9、GP10和GP12)的抗氧化活性達到了抗壞血酸的水平,并且具有非溶血性質。在計算機生成的肽GP1-GP12存在的情況下,蛋白質的RMSF和FES分析顯示不同的序列會引起蛋白質的顯著結構變化,影響其穩定性和靈活性。基于MD模擬和抗氧化試驗的結果和觀察,GP12表現出最佳結果,值得進一步分析其在體外和體內抗氧化活性及對Keap1的活性。可以肯定地說,機器學習方法結合DFT計算和MD分析適用于在未來的前景中自動化肽的設計,無需提取、純化、合成和測試大量的肽。然而,正如結果所顯示的那樣,該模型無法為羥基清除試驗生成活性的AOPs。由于目前缺乏用可以于評估每種抗氧化劑活性特定測試方法的信息,對創建具有特定活性的抗氧化肽造成了限制。為了解決這些問題,有必要對當前數據集中的所有肽進行高通量篩選,利用特定和固定的抗氧化活性測定方法,如DPPH、羥基和ROS活性來進行篩選。這樣不僅可以豐富數據集,還可以全面了解序列中氨基酸之間的相互關系。

原創文章,作者:計算搬磚工程師,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2024/04/09/644e9a40c2/

(0)

相關推薦

主站蜘蛛池模板: 新巴尔虎左旗| 久治县| 富平县| 长岛县| 六安市| 离岛区| 南宁市| 礼泉县| 陵川县| 长兴县| 成武县| 宝兴县| 承德县| 东乌珠穆沁旗| 涪陵区| 江达县| 临洮县| 克拉玛依市| 饶河县| 乌拉特中旗| 西峡县| 巫山县| 台山市| 东莞市| 文昌市| 靖西县| 桐梓县| 渝中区| 沂水县| 鹤峰县| 祁阳县| 焦作市| 宿松县| 依兰县| 宜兰县| 平塘县| 徐水县| 香河县| 怀安县| 屯昌县| 临猗县|