АНАЛИЗ И ПОДБОР ЛИГАНДОВ ДЛЯ TRPM8 ПРИ ПОМОЩИ ЖЕСТКОГО ДОКИНГА И МАШИННОГО ОБУЧЕНИЯ
Авторы:
1.
Благовещенск, Амурская область, Россия
2.
Амурская государственная медицинская академия
Благовещенск, Амурская область, Россия
Благовещенск, Амурская область, Россия
3.
Харбинский инженерный университет
Харбин, Китайская Народная Республика
Харбин, Китайская Народная Республика
4.
Амурская государственная медицинская академия Министерства здравоохранения Российской Федерации
Благовещенск, Амурская область, Россия
Благовещенск, Амурская область, Россия
Тип:
Статья конференции
Опубликовано:
28.12.2020
Классификаторы:
ВАК 03.01.2000 Физико-химическая биология
ВАК 03.01.2009 Математическая биология, биоинформатика
УДК 57 Биологические науки
ГРНТИ 34.15 Молекулярная биология
ГРНТИ 34.55 Биокибернетика
ОКСО 06.05.01 Биоинженерия и биоинформатика
ББК 28 Биологические науки
ТБК 6005 Прочие издания
BISAC MED008000 Biochemistry
BISAC MED090000 Biostatistics
ВАК 03.01.2009 Математическая биология, биоинформатика
УДК 57 Биологические науки
ГРНТИ 34.15 Молекулярная биология
ГРНТИ 34.55 Биокибернетика
ОКСО 06.05.01 Биоинженерия и биоинформатика
ББК 28 Биологические науки
ТБК 6005 Прочие издания
BISAC MED008000 Biochemistry
BISAC MED090000 Biostatistics
Язык материала:
русский
Ключевые слова:
белок TRPM8, биоинформатика, молекулярный докинг
Аннотация (русский):
В работе, используя метод моделирования эксперимента in silico, производили докинг рецептора и его лигандов с целью получения данных необходимых для исследования возможности применения методов машинного обучения и жесткого, межмолекулярного докинга для предсказания потенциальных лиганд для различных рецепторов. Был выбран белок TRPM8, являющийся представителем суперсемейства TRP белков и его классический агонист — ментол в качестве лиганда. Известно, что ментол способен соединяться с тирозином 745 цепи B. Для осуществление всех манипуляций нами был использован софт Autodock и специальный набор графических инструментов, предназначенный для работы с моделями химических веществ in silico. В результате всех манипуляций были получены конформации ментола, способные соединяться с активным центром рецептора TRPM8.
В работе, используя метод моделирования эксперимента in silico, производили докинг рецептора и его лигандов с целью получения данных необходимых для исследования возможности применения методов машинного обучения и жесткого, межмолекулярного докинга для предсказания потенциальных лиганд для различных рецепторов. Был выбран белок TRPM8, являющийся представителем суперсемейства TRP белков и его классический агонист — ментол в качестве лиганда. Известно, что ментол способен соединяться с тирозином 745 цепи B. Для осуществление всех манипуляций нами был использован софт Autodock и специальный набор графических инструментов, предназначенный для работы с моделями химических веществ in silico. В результате всех манипуляций были получены конформации ментола, способные соединяться с активным центром рецептора TRPM8.
Ключевые слова:
белок TRPM8, биоинформатика, молекулярный докинг
белок TRPM8, биоинформатика, молекулярный докинг
1. http://mgltools.scripps.edu/
2. http://autodock.scripps.edu/
4. https://www.rcsb.org/structure/6O6A
5. https://pubchem.ncbi.nlm.nih.gov/compound/1254
6. https://pubmed.ncbi.nlm.nih.gov/19886999/
8. Estrada T. et.al., “Graphic Encoding of Macromolecules for Efficient High-Throughput Analysis”. https://www.researchgate.net/publication/327215386_Graphic_Encoding_of_Macromolecules_for_Efficient_High-Throughput_Analysis?enrichId=rgreq-5906aa511772b9138e942ed98f2a4faf-XXX&enrichSource=Y292ZXJQYWdlOzMyNzIxNTM4NjtBUzo2NjU0OTkwNzU2MTY3NzBAMTUzNTY3ODc1MjUwNA==&el=1_x_2&_esc=publicationCoverPdf
