药研猿的博客

北京工业大学团队通过GaMD模拟和深度学习揭示了MRGPRX1受体的激活与变构调节机制。研究发现，该受体具有独特的非激活构象，激动剂BAM8-22与变构调节剂ML382协同作用：BAM8-22引发正构口袋收缩，ML382则通过长短程双重路径增强结合并调节G蛋白结合位点，其中LLLF基序替代经典PIF基序发挥关键作用。该成果为靶向MRGPRX1的镇痛止痒药物设计提供了重要理论依据。DOI：10.1016/j.ijbiomac.2025.144815

CavityPlus是由北京大学团队开发的蛋白质结合位点分析平台，包含五大核心模块：CAVITY（结合位点检测）、CavPharmer（药效团生成）、CorrSite（变构位点预测）、CovCys（可成药半胱氨酸识别）和CavityMatch（口袋相似性筛选）。该平台整合了12万+高分辨率蛋白结构和AlphaFold预测数据，支持药物靶点识别、虚拟筛选、变构药物开发等应用场景。特别适用于变构药物、共价药物设计及药物再利用研究，为蛋白质功能注释和结构药物设计提供一站式解决方案。平台网址：http://w

燕山大学团队开发了PocketSCP方法，突破传统蛋白质口袋动态研究局限。该方法以口袋衬里原子为基准，通过三维聚类和二维可视化技术，避免了结构对齐导致的误差。在GPX4蛋白案例中成功揭示了口袋稳定性、体积变化及相关性，并在AR蛋白和DHaA蛋白研究中发现了关键残基对口袋构象的调控机制。该方法为药物靶点识别和变构位点研究提供了新工具，相关成果发表于《Journal of Chemical Information and Modeling》，代码已开源。

ParGaMD 通过并行化增强采样，突破了传统 MD 模拟在大规模系统中的计算瓶颈，显著提升了热力学和动力学性质的解析效率。未来，ParGaMD 有望进一步推动跨尺度生物分子模拟的发展，加速罕见事件解析与复杂系统热力学表征，成为计算生物学领域的关键技术之一。

DeePNAP是一种基于机器学习的蛋白质-核酸结合预测工具，仅需输入蛋白和核酸序列即可快速预测结合亲和力（KD值）和突变自由能变化（ΔΔG）。该模型在14401个数据条目上训练，预测KD时平均皮尔逊相关系数达0.86-0.93，精度优于同类工具。支持DNA/RNA序列输入及多种突变格式分析（单点突变、缺失、多点突变等），计算过程仅需1秒。用户可通过在线平台http://14.139.174.41:8080/input_page 免费使用，结果包含KD、KA、ΔG和ΔΔG等关键参数解读。该成果发表于《Jour