基于 8.6 万蛋白质结构数据，融合量子力学计算的机器学习方法挖掘 69 个全新氮-氧-硫键
💡
原文中文，约7500字，阅读约需18分钟。
📝
内容提要
研究表明，氮-氧-硫（NOS）键在蛋白质中具有重要作用。德国团队利用新算法SimplifiedBondfinder识别出69个NOS键，包括精氨酸-半胱氨酸和甘氨酸-半胱氨酸的新型键。这一发现推动了蛋白质化学和药物设计的发展。
🎯
关键要点
- 氮-氧-硫（NOS）键在蛋白质中具有重要作用，能够调节酶活性。
- 德国团队通过新算法SimplifiedBondfinder识别出69个NOS键，包括新型的精氨酸-半胱氨酸和甘氨酸-半胱氨酸键。
- 研究推动了蛋白质化学、药物设计和生物工程的发展。
- 研究方法结合机器学习、量子力学计算和高分辨率X射线晶体学数据，解决了化学键发现的系统性挑战。
- 研究成果表明，Arg-NOS-Cys和Gly-NOS-Cys键是合理的共价键，具有热力学可行性。
- 机器学习技术显著降低了研究成本，提高了效率，为蛋白质功能和相互作用的研究提供了新方法。
- 研究强调了机器学习在蛋白质工程和生物化学中的潜力，推动了科研界的变革。
❓
延伸问答
氮-氧-硫（NOS）键在蛋白质中有什么作用？
NOS键能够调节酶活性，类似于可逆的智能开关。
德国团队是如何发现新的NOS键的？
他们开发了SimplifiedBondfinder算法，分析了超过86,000个蛋白质结构，识别出69个NOS键。
新发现的NOS键有哪些类型？
新发现的NOS键包括精氨酸-半胱氨酸和甘氨酸-半胱氨酸的连接。
这项研究对药物设计有什么影响？
研究推动了药物设计的发展，使靶向调节成为可能。
机器学习在这项研究中起到了什么作用？
机器学习显著降低了研究成本，提高了效率，并为蛋白质功能研究提供了新方法。
研究中使用了哪些数据集？
研究使用了PDB、PDB-REDO和BDB三个不同的蛋白质数据库。
➡️
