Conception basée sur l'IA de cibles pharmacologiquement pertinentes avec des propriétés cibles

Données : matrice protéique sous la forme d'une séquence ou d'une structure protéique ; propriétés cibles. Prédire : séquence protéique qui satisfait aux propriétés cibles et présente des différences minimes par rapport à la matrice donnée.

Ingénierie basée sur l'IA des récepteurs couplés aux protéines G avec une stabilité améliorée

La conception moléculaire est l'un des domaines les plus importants et les plus en développement de la biotechnologie. Les outils d'optogénétique en neurobiologie, les protéines fluorescentes en biologie cellulaire, le séquençage des nanopores en biologie moléculaire, la découverte de médicaments en chimie médicinale et de nombreux autres exemples en biotechnologie moderne sont basés sur l'ingénierie des protéines. Avec une accumulation de données biophysiques, les approches basées sur l'IA deviennent bénéfiques dans la conception de protéines pour la biotechnologie. En règle générale, la conception des protéines commence par un modèle, une protéine provenant d'un être humain ou de tout autre organisme vivant et avec une propriété cible, par exemple, la stabilité des protéines ou le décalage spectral. Ensuite, l'objectif est de modifier la matrice pour obtenir une protéine modifiée avec la propriété cible. Un cas particulier est de concevoir des formes stables de cibles pharmacologiques, telles que les récepteurs couplés aux protéines G (RCPG). Les dysfonctionnements de ces récepteurs conduisent généralement à diverses maladies : maladies neurodégénératives, oncologiques et cardiovasculaires, asthme, dépression, obésité, pharmacodépendance, etc. le monde sont orientés sur les GPCR. Pour le développement de médicaments plus efficaces et plus sûrs, ainsi que de médicaments personnalisés prenant en compte les caractéristiques du génome humain (mutation), il est nécessaire de comprendre le fonctionnement des RCPG au niveau structurel. L'obtention de la structure spatiale d'un seul récepteur est une tâche extrêmement difficile et gourmande en ressources. Nous avons développé une plate-forme numérique innovante basée sur l'IA pour la conception de GPCR, qui a permis une percée technologique dans l'obtention de structures spatiales de GPCR ([259], [260]) . Grâce à la technologie développée au cours des dernières années, les structures spatiales d'environ 10 récepteurs GPCR ont été déterminées, soit > 10 % de tous les récepteurs avec une structure spatiale connue à ce jour. Ceux-ci incluent des cibles pharmacologiques pertinentes, telles que le récepteur cannabinoïde humain [261], le récepteur de la sérotonine humaine ([259], [264]), le récepteur de la prostaglandine humaine [262], le récepteur humain frizzled [263], le récepteur de l'adénosine humaine [265], et les récepteurs humains de la cystéine de types un [266] et de type deux [267]. L'analyse structurale de chaque nouveau récepteur a ouvert des opportunités pour le développement rationnel d'une nouvelle génération de médicaments.