Design of protein-binding proteins from the target structure alone

蛋白质设计 计算生物学 亲缘关系 表面蛋白 蛋白质结构 蛋白质工程 血浆蛋白结合 结构生物学 蛋白质-蛋白质相互作用 合理设计 氨基酸 生物物理学 结合位点 结合亲和力 靶蛋白 纳米技术 化学 生物系统 生物 生物化学 材料科学 病毒学 受体 基因
作者
Longxing Cao,Brian Coventry,Inna Goreshnik,Buwei Huang,William Sheffler,Joon Sung Park,Kevin M. Jude,Iva Marković,Rameshwar U. Kadam,Koen H. G. Verschueren,Kenneth Verstraete,Scott Thomas Russell Walsh,Nathaniel R. Bennett,Ashish Phal,Aerin Yang,Lisa Kozodoy,Michelle DeWitt,Lora K. Picton,L. M. Miller,Eva‐Maria Strauch
出处
期刊:Nature [Nature Portfolio]
卷期号:605 (7910): 551-560 被引量:386
标识
DOI:10.1038/s41586-022-04654-9
摘要

Abstract The design of proteins that bind to a specific site on the surface of a target protein using no information other than the three-dimensional structure of the target remains a challenge 1–5 . Here we describe a general solution to this problem that starts with a broad exploration of the vast space of possible binding modes to a selected region of a protein surface, and then intensifies the search in the vicinity of the most promising binding modes. We demonstrate the broad applicability of this approach through the de novo design of binding proteins to 12 diverse protein targets with different shapes and surface properties. Biophysical characterization shows that the binders, which are all smaller than 65 amino acids, are hyperstable and, following experimental optimization, bind their targets with nanomolar to picomolar affinities. We succeeded in solving crystal structures of five of the binder–target complexes, and all five closely match the corresponding computational design models. Experimental data on nearly half a million computational designs and hundreds of thousands of point mutants provide detailed feedback on the strengths and limitations of the method and of our current understanding of protein–protein interactions, and should guide improvements of both. Our approach enables the targeted design of binders to sites of interest on a wide variety of proteins for therapeutic and diagnostic applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
外星人发布了新的文献求助10
刚刚
1秒前
领导范儿应助贪玩的金鱼采纳,获得30
1秒前
Orange应助贪玩的金鱼采纳,获得10
2秒前
Owen应助贪玩的金鱼采纳,获得100
2秒前
Orange应助贪玩的金鱼采纳,获得10
2秒前
Ton汤发布了新的文献求助10
3秒前
尔蝶完成签到 ,获得积分10
3秒前
打打应助追寻筮采纳,获得10
3秒前
4秒前
开朗嵩发布了新的文献求助10
5秒前
大模型应助Hejunkang采纳,获得10
5秒前
6秒前
科研通AI2S应助xianghan采纳,获得30
8秒前
星辰大海应助贪玩的金鱼采纳,获得10
8秒前
科研通AI2S应助贪玩的金鱼采纳,获得10
8秒前
8秒前
我是老大应助贪玩的金鱼采纳,获得10
8秒前
充电宝应助贪玩的金鱼采纳,获得80
8秒前
李爱国应助贪玩的金鱼采纳,获得10
8秒前
FashionBoy应助贪玩的金鱼采纳,获得10
8秒前
桐桐应助贪玩的金鱼采纳,获得10
8秒前
传奇3应助贪玩的金鱼采纳,获得10
8秒前
Jasper应助贪玩的金鱼采纳,获得10
8秒前
9秒前
10秒前
笨笨凡松发布了新的文献求助10
10秒前
11秒前
11秒前
蘇q完成签到 ,获得积分10
11秒前
12秒前
啊啊啊发布了新的文献求助10
12秒前
科研通AI5应助DX采纳,获得10
13秒前
14秒前
彭于晏应助贪玩的金鱼采纳,获得10
14秒前
大模型应助贪玩的金鱼采纳,获得10
14秒前
搜集达人应助贪玩的金鱼采纳,获得10
15秒前
隐形曼青应助贪玩的金鱼采纳,获得10
15秒前
香蕉觅云应助贪玩的金鱼采纳,获得10
15秒前
木木发布了新的文献求助10
15秒前
高分求助中
(应助此贴封号)【重要!!请各位详细阅读】【科研通的精品贴汇总】 10000
Voyage au bout de la révolution: de Pékin à Sochaux 700
First Farmers: The Origins of Agricultural Societies, 2nd Edition 500
Simulation of High-NA EUV Lithography 400
Assessment of adverse effects of Alzheimer's disease medications: Analysis of notifications to Regional Pharmacovigilance Centers in Northwest France 400
The Rise & Fall of Classical Legal Thought 260
Outcomes of lower extremity peripheral arterial interventions in patients with and without chronic kidney disease or end-stage renal disease 200
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4334654
求助须知:如何正确求助?哪些是违规求助? 3845775
关于积分的说明 12012291
捐赠科研通 3486352
什么是DOI,文献DOI怎么找? 1913678
邀请新用户注册赠送积分活动 956759
科研通“疑难数据库(出版商)”最低求助积分说明 857478