基于蛋白质机器动力学的相互作用网络研究:构建、分析与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    31872723
  • 项目类别:
    面上项目
  • 资助金额:
    62.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C0504.物理生物学
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Protein-protein interactions play a crucial role in all life activities, and thus their study is of outstanding interest in the post genome era, which is closely related to disease diagnosis and drug design. The functional dynamics of signal transduction in protein-protein interaction networks depends not only on the network topology, but also on the dynamic properties of connecting protein machines. Current protein-protein interactions lack the structural and dynamic information of proteins, and their precision portrays meet great difficulties and challenges. The overarching goal of this project is integrating protein dynamics into the construction and analysis of protein structure networks and protein-protein interaction networks. The main contents are as follows: constructing of protein structure networks based on elastic network model, and predict hot spots, interfacial mutations, allosteric sites, and communication paths by network topological analysis; integrating dynamic properties into structural protein interaction networks to construct protein-protein interaction networks based on protein machine dynamics, and then perform network topological analysis and dynamic analysis of individual protein to predict key proteins and functional modules; investigating the further applications of these new network models, including the understanding of molecular mechanisms of complex disease and help the drug design by targeting allosteric sites and protein-protein interactions.
蛋白质相互作用在一切生命活动中起着关键性的作用,其研究已成为后基因组时代的热点,且与疾病诊治和药物设计息息相关。蛋白质相互作用网络中信号转导的功能动力学不仅取决于网络拓扑结构,还取决于参与作用的蛋白质机器自身的动力学性质。目前蛋白质相互作用的研究缺乏蛋白质的结构和动力学信息,对其精准刻画一直面临极大的困难与挑战。本项目拟将蛋白质机器动力学性质整合到蛋白质结构网络和蛋白质相互作用网络的构建和分析中。研究包括:基于弹性网络模型计算构建蛋白质结构网络,进行网络拓扑分析预测蛋白质的界面‘热点’残基、突变位点、别构位点与通信路径;整合动力学性质和结构蛋白质相互作用网络,构建基于蛋白质机器动力学的蛋白质相互作用网络,并进行网络拓扑分析和单个蛋白质动力学分析预测关键蛋白质和功能模块;进一步研究新构建网络的应用,从而在分子水平上理解复杂疾病发生机制、指导别构药物设计和蛋白质相互作用靶向药物设计。

结项摘要

蛋白质机器是生命活动的主要执行者。对蛋白质机器复杂结构、功能、相互作用关系和动态变化规律的深入认识,是揭示生命现象本质的主要手段。随着“人类基因组计划”的完成,标志着生命科学的研究正式步入了新纪元,使得蛋白质的研究步入到崭新的蛋白质组学时代,其主要任务已不仅仅是揭示蛋白质的结构与功能之间的关系,更重要的是在更高层次上研究蛋白质之间的相互作用、结合机制以及它们所调控的生物功能。. 本项目主要围绕疾病相关的蛋白质结构和相互作用,将蛋白质机器的动力学引入到构建蛋白质结构网络和蛋白-蛋白相互作用网络中,为在结构水平上理解蛋白-蛋白相互作用探索新的方法。基于弹性网络模型,本项目建立了研究蛋白质结构和相互作用的新计算框架。首先,在结构水平上,通过GNM和ANM 计算构建蛋白质结构网络用于高通量蛋白质结构动力学的定量化。其次,在组学水平上,将由蛋白网络动力学预测得到结构动力学性质映射到结构蛋白相互作用网络上。最后,在应用方面,探索两种新的网络模型在理解疾病分子机制和药物设计中的潜在应用。. 本项目达到了预期目标,完成了包含有弹性网络模型动力学性质的蛋白质结构网络 (g-PSN 和a-PSN) 和结构动力学蛋白质相互作用网络 (sdPPI) 的构建和分析。基于sdPPI,进一步开发了三类算法,分别是RNs、ne-PCA、PS-V2N用于药物蛋白靶标和靶标模块的发现。所以本项目建立一个新的计算框架,最终实现蛋白质的动力学研究从结构水平到组学水平的转变,同时希望为药物发现和疾病治疗提供一种新的研究范式。

项目成果

期刊论文数量(18)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Structural Biology Meets Biomolecular Networks: The Post-AlphaFold Era
结构生物学遇上生物分子网络:后 AlphaFold 时代
  • DOI:
    10.2174/1574893617666220211115211
  • 发表时间:
    2022
  • 期刊:
    Current Bioinformatics
  • 影响因子:
    4
  • 作者:
    Wenying Yan;Guang Hu
  • 通讯作者:
    Guang Hu
Dynamics of Post-Translational Modification Inspires Drug Design in the Kinase Family
翻译后修饰的动力学激发了激酶家族的药物设计
  • DOI:
    10.1021/acs.jmedchem.1c01076
  • 发表时间:
    2021
  • 期刊:
    Journal of Medicial Chemistry
  • 影响因子:
    --
  • 作者:
    Zhang Huimin;He Jixiao;Hu Guang;Zhu Fei;Jiang Hao;Gao Jing;Zhou Hu;Lin Hua;Wang Yingjuan;Chen Kaixian;Meng Fanwang;Hao Minghong;Zhao Kehao;Luo Cheng;Liang Zhongjie
  • 通讯作者:
    Liang Zhongjie
Role of protein-protein interactions in allosteric drug design for DNA methyltransferases.
蛋白质-蛋白质相互作用在 DNA 甲基转移酶变构药物设计中的作用。
  • DOI:
    10.1016/bs.apcsb.2019.12.005
  • 发表时间:
    2020
  • 期刊:
    Advances in protein chemistry and structural biology
  • 影响因子:
    --
  • 作者:
    Zhongjie Liang;Yu Zhu;Xingyi Liu;Guang Hu
  • 通讯作者:
    Guang Hu
Leveraging Protein Dynamics to Identify Functional Phosphorylation Sites using Deep Learning Models
利用深度学习模型利用蛋白质动力学识别功能性磷酸化位点
  • DOI:
    10.1021/acs.jcim.2c00484
  • 发表时间:
    2022
  • 期刊:
    Journal of Chemical Information and Modeling
  • 影响因子:
    5.6
  • 作者:
    Fei Zhu;Sijie Yang;Fanwang Meng;Yuxiang Zheng;Xin Ku;Cheng Luo;Guang Hu;Zhongjie Liang
  • 通讯作者:
    Zhongjie Liang
Dissecting Mutational Allosteric Effects in Alkaline Phosphatases Associated with Different Hypophosphatasia Phenotypes: An Integrative Computational Investigation
剖析与不同低磷酸酯酶症表型相关的碱性磷酸酶的突变变构效应:综合计算研究
  • DOI:
    10.1371/journal.pcbi.1010009
  • 发表时间:
    2022
  • 期刊:
    PLoS computational biology
  • 影响因子:
    4.3
  • 作者:
    Fei Xiao;Ziyun Zhou;Xingyu Song;Mi Gan;Jie Long;Gennady Verkhivker;Guang Hu
  • 通讯作者:
    Guang Hu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Research on Artificial Spider Web Model for Farmland Wireless Sensor Network
农田无线传感器网络人工蜘蛛网模型研究
  • DOI:
    10.1155/2018/6393049
  • 发表时间:
    2018
  • 期刊:
    Wireless Communications and Mobile Computing
  • 影响因子:
    --
  • 作者:
    王俊;高颂;赵世民;胡广;张小利;谢国旺
  • 通讯作者:
    谢国旺
棉花miRNA表达量检测方法Stem-loop RT-PCR的建立
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    核农学报
  • 影响因子:
    --
  • 作者:
    胡广;王乐;张振楠;唐叶;周璐璐;彭清忠;吴家和
  • 通讯作者:
    吴家和
基于蛋白质组学探讨气滞血瘀大鼠的发病机理
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    中国中医基础医学杂志
  • 影响因子:
    --
  • 作者:
    胡广;李瑛;杨会珍;张国瑗;盛雪;苗兰;孙明谦;林力
  • 通讯作者:
    林力
羌塘盆地白垩系黑色岩系生烃母质研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    石油实验地质
  • 影响因子:
    --
  • 作者:
    承秋泉;杨若飞;胡广;付修根;曹剑
  • 通讯作者:
    曹剑
A kind of recombination of Chimeric antigen receptor for treating HIV builds and its applied
一种治疗HIV的重组嵌合抗原受体构建及其应用
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
  • 影响因子:
    --
  • 作者:
    张同存;胡广;顾潮江;张尚昆;黄政;汤杰;唐骝
  • 通讯作者:
    唐骝

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

胡广的其他基金

基于蛋白质位点组学和网络动力学分析的别构信号传导研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
DNA-蛋白复合体网络的拓扑结构和动力学研究
  • 批准号:
    21203131
  • 批准年份:
    2012
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码