Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
使用机器学习表征 GPCR 结构中的构象状态
Scientific Reports ( IF 3.8 ) Pub Date : 2024-01-11 , DOI: 10.1038/s41598-023-47698-1 Ilya Buyanov 1 , Petr Popov 1
Affiliation
G 蛋白偶联受体 (GPCR) 在信号转导中发挥着关键作用,是药物开发中有吸引力的靶点。结构生物学的最新进展提供了对 GPCR 构象状态的深入了解,这对于理解其信号通路和促进基于结构的药物发现至关重要。在这项研究中,我们引入了一种用于 GPCR 构象状态注释的机器学习方法。我们将 GPCR 构象表示为高维特征向量,包含有关激活途径中涉及的氨基酸残基对的信息。使用通过分子动力学模拟获得的非活性和活性状态的 GPCR 构象数据集,我们训练机器学习模型来区分非活性和活性样构象。开发的模型提供了可解释的预测,可用于 GPCR 分子动力学轨迹的大规模分析。
"点击查看英文标题和摘要"