科研服务
立足于生命科学，为基础研究领域科学工作者提供生物学高端技术服务
瑞源医学
相关产品
- 产品描述
-
服务简介
本服务聚焦蛋白-蛋白相互作用界面的理性改造，围绕“结构构建—结构优化—界面识别—位点筛选—序列设计—动力学复筛”的完整流程开展计算设计。核心目标是识别具有优化潜力的关键位点，提出更具结构合理性与结合优势的突变方案，并通过分子动力学模拟、MM/GBSA能量分析及关键相互作用评估对候选突变体进行系统验证。
技术体系
默认采用 AlphaFold 3/已有 PDB 结构构建初始复合物；以 Schrödinger 进行结构优化与预处理；以 AMBER 为主引擎开展短程分子动力学模拟及 MM/GBSA 分析；以 FoldX 执行丙氨酸扫描和20种氨基酸单点替换扫描；以 ProteinMPNN 进行局部序列迭代设计与候选突变组合生成。
蛋白定向改造流程图
注：标蓝部分为高级版特有服务内容
应用场景
1. 蛋白互作界面亲和力优化。
2. 突变体设计与优选。
3. 抗体、纳米抗体及结合蛋白优化。
4. 酶-蛋白、受体-配体蛋白等复合物界面优化。
5. 动植物蛋白体系的定制化改造。
6. 蛋白工程前期方案评估。
7. 机制研究与结果解释。
服务优势
1、动静结合识点：既看静态晶体结构，也看分子运动的动态轨迹，实现两种视角交叉验证，
2、多维扫描深度解析：丙氨酸扫描、20种氨基酸替换扫描、MM/GBSA残基分解、ProteinMPNN设计，多种分析工具相互补充。
3、一体化服务：支持从仅有序列信息的体系起步，完成结构构建、优化、筛选、设计到复筛的全流程。
4、多维解读：提供关键位点识别、突变组合优选、氢键/接触网络分析、结合自由能评估等多种结果解读。
服务内容
服务内容 自然日 交付材料 定制化结构预测和体系构建 4个 1.复合物结构预测的过程文件（预测的三维结构文件、优化后的复合物结构等）
2.50ns动力学导出的无水轨迹（PDB格式）
3.RMSD、RMSF、氢键数据和作图
4.丙氨酸扫描结果表
5.对于丙氨酸扫描Top10进行20种氨基酸单点替换扫描的结果文件
6.结合自由能分析以及能量分解结果
7.ProteinMPNN输出
结构预处理与参数准备 2个 复合物分子动力学模拟 6个 丙氨酸扫描、20种氨基酸单点替换扫描 4个 确定候选优化位点；
使用ProteinMPNN对候选位点进行局部序列设计
4个 分子动力学模拟复筛与分析作图 8个 报告撰写 2个 注：标蓝部分为高级版特有服务内容
收样标准
1. 优先提供目标蛋白复合物的三维结构文件（PDB格式）及物种信息；如无可靠复合物结构，可提供两条互作蛋白的氨基酸序列（FASTA格式）用于评估建模可行性。
2. 如已有明确改造目标，请说明待优化方向，例如提升结合稳定性、增强界面氢键网络、优化特定位点、提高特异性等。
3. 如已有实验数据、已知界面残基、突变信息或参考文献，建议一并提供，以便提高候选位点筛选的针对性。
4. 如需限定只改造某一条链或特定残基区域，请提前说明目标链、残基范围及不可改动位点。
5. 如对候选位点数量、输出突变组合数量或结果展示形式有特殊要求，请提前说明。
案例报告
1、AF3建模/结构优化
根据提供的序列信息对复合物进行结构建模，并采用 Schrödinger 对蛋白质结构进行优化处理。
图 建模后的PDB结构
在此基础上，进一步采用 AMBER 对体系进行 50 ns 分子动力学模拟，以对复合物结构进行进一步优化和弛豫，优化后的结果如图。
图 优化后的PDB结构
2、关键突变分析：原始位点 ASP32 突变为 LYS32 后，侧链由带负电的羧基转变为带正电的氨基侧链，并与邻近的 GLU92 形成新的氢键相互作用
图 关键位点突变前后三维结构图
参考文献
[1] Abramson J, Adler J, Dunger J, et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3[J]. Nature, 2024, 630(8016): 493-500.
[2] Case D A, Cheatham T E III, Darden T, et al. The Amber biomolecular simulation programs[J]. Journal of Computational Chemistry, 2005, 26(16): 1668-1688.
[3] Maier J A, Martinez C, Kasavajhala K, et al. ff14SB: improving the accuracy of protein side chain and backbone parameters from ff99SB[J]. Journal of Chemical Theory and Computation, 2015, 11(8): 3696-3713.
[4] Schymkowitz J, Borg J, Stricher F, et al. The FoldX web server: an online force field[J]. Nucleic Acids Research, 2005, 33(suppl_2): W382-W388.
[5] Dauparas J, Anishchenko I, Bennett N, et al. Robust deep learning–based protein sequence design using ProteinMPNN[J]. Science, 2022, 378(6615): 49-56.
声明：本公司出售产品只能用于科研目的，不得用于诊断或者治疗！
