比以前认为的更多的癌症可以用药物治疗

导读 根据宾夕法尼亚大学佩雷​​尔曼医学院的一项新研究,曾被认为由于缺乏可靶向蛋白质区域而对药物治疗免疫的高达50%的癌症信号蛋白实际上可

根据宾夕法尼亚大学佩雷​​尔曼医学院的一项新研究,曾被认为由于缺乏可靶向蛋白质区域而对药物治疗免疫的高达50%的癌症信号蛋白实际上可能是可治疗的。本月发表在NatureCommunications上的研究结果表明,可能存在使用新药或现有药物治疗癌症的新机会。

寻求确定治疗疾病(从癌症到自身免疫性疾病)的新方法的研究人员、临床医生和药理学家通常关注蛋白质袋,蛋白质结构中某些蛋白质或分子可以结合的区域。虽然在蛋白质结构中有些口袋很容易识别,但其他口袋则不然。那些被称为隐蔽口袋的隐藏口袋可以为药物结合提供新的机会。科学家和临床医生用药物瞄准的口袋越多,他们控制疾病的机会就越多。

研究小组使用宾夕法尼亚大学设计的神经网络PocketMiner识别了新的口袋,这是一种人工智能,可以预测单个蛋白质结构可能在何处形成隐蔽口袋并从中学习。使用在世界上最大的超级计算机上运行的模拟训练的PocketMiner,研究人员模拟了单个蛋白质结构,并成功地预测了身体数千个区域中35种与癌症相关的蛋白质结构中隐蔽口袋的位置。这些曾经隐藏的目标,现在已经确定,为潜在治疗现有癌症开辟了新方法。

更重要的是,在成功预测神秘口袋的同时,科学家在这项研究中使用的方法比以前的模拟或机器学习方法快得多。该网络使研究人员能够在投资更昂贵的模拟或实验以进一步寻找预测的口袋之前,几乎立即确定一种蛋白质是否可能具有神秘的口袋。

“由于我们的快照中明显缺乏结合蛋白,超过一半的人类蛋白质被认为是不可药用的,”宾夕法尼亚大学生物化学、生物物理学和生物工程教授、主要作者GregoryR.Bowman博士说。的研究。“这项PocketMiner研究和其他类似研究不仅预测了与癌症相关的关键蛋白质结构中的药物口袋,而且表明大多数人类蛋白质也可能有药物口袋。这一发现为那些目前无法治愈的疾病提供了希望。”

在该团队的实验结束时,神经网络在50%的测试蛋白质结构中识别出可能的隐蔽口袋,这些结构以前被认为是“不可药用的”并且不包含口袋。这可能意味着许多曾经被认为无法用药物治愈的癌症可以得到有效治疗。

在他们的论文中,研究人员强调了癌症信号通路中的两个关键蛋白质结构,其中可能存在隐蔽口袋,他们说在设计新药时应该追求这些结构。首先,Jak/Stat通路中的WNT2蛋白是许多实体瘤中癌症信号传导的组成部分。第二种是PIM2,这是一种特殊的酶,与多种类型的癌症有关,包括肺癌、前列腺癌、乳腺癌以及白血病和骨髓瘤。

得益于Folding@home,这种研究在宾夕法尼亚大学成为可能,Folding@home是一个由Bowman管理的分布式计算网络,在该网络中,不需要计算机或学术知识的外行志愿者可以使用他们的计算机来帮助进行实验和模拟。这导致比任何超级计算机都能产生更多的数据和更快的计算。得益于分布式计算网络和PocketMiner神经网络,识别潜在隐秘口袋的成功率和总体速度比用于寻找潜在隐秘口袋的其他预测方法快大约一百万倍。

“Folding@home和这项研究强调了计算机在生物化学和生物物理学中的重要性。计算机不会很快取代实验室,”鲍曼说。“但通过首先利用计算机和创新软件和代码,研究人员可以进行更有力的研究并做出更好的假设。”