CN113539377B - 一种靶向生物毒素的环状核酸适配体三级结构的预测方法 - Google Patents

一种靶向生物毒素的环状核酸适配体三级结构的预测方法 Download PDF

Info

Publication number
CN113539377B
CN113539377B CN202110678898.8A CN202110678898A CN113539377B CN 113539377 B CN113539377 B CN 113539377B CN 202110678898 A CN202110678898 A CN 202110678898A CN 113539377 B CN113539377 B CN 113539377B
Authority
CN
China
Prior art keywords
aptamer
biotoxin
file
cyclic
circular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110678898.8A
Other languages
English (en)
Other versions
CN113539377A (zh
Inventor
邓博文
肖博懿
高思懿
吴雨龙
孙豪
亓茉言
童启聆
程鼎原
徐嘉旎
孙铭娟
王梁华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Military Medical University SMMU
Original Assignee
Second Military Medical University SMMU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Second Military Medical University SMMU filed Critical Second Military Medical University SMMU
Priority to CN202110678898.8A priority Critical patent/CN113539377B/zh
Publication of CN113539377A publication Critical patent/CN113539377A/zh
Application granted granted Critical
Publication of CN113539377B publication Critical patent/CN113539377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C12N15/10—Processes for the isolation, preparation or purification of DNA or RNA
    • C12N15/1034—Isolating an individual clone by screening libraries
    • C12N15/1048—SELEX

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Wood Science & Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Zoology (AREA)
  • Plant Pathology (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • Molecular Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种靶向生物毒素的环状核酸适配体三级结构的预测方法，在获取靶向生物毒素的核酸适配体的核苷酸序列之后，通过构建靶向生物毒素的环状核酸适配体三级结构模型，即可用于预测靶向生物毒素的环状核酸适配体三级结构。采用上述技术方案后，可通过环状核酸适配体的序列预测其三级结构。本申请模拟得到的环状核酸适配体的三级结构具有优异的准确性和稳定性，且能够调整预测的精确程度，按照使用者的需求来预测环状拓扑结构。

Description

一种靶向生物毒素的环状核酸适配体三级结构的预测方法
技术领域
本发明属于核苷酸三级结构预测技术领域，尤其涉及一种靶向生物毒素的环状核酸适配体三级结构的预测方法。
背景技术
核酸适配体是通过配体指数富集的系统进化技术(Systematic Evolution ofLigands by Exponential Enrichment，SELEX)从随机文库中筛选获得的功能性核苷酸，具有高特异性，且可选的靶分子广泛，已经在基础研究、临床诊断和治疗中显示出了广阔的应用前景。但是大多数的适配体稳定性不高，在体内很容易被核酶降解，这使得核酸适配体很难应用到治疗上，随着对适配体研究的不断深入，我们发现环状DNA适配体具有更加稳定的结构，能体够抵抗核酶的降解，还能够稳定高亲和的结合岩沙海葵毒素，可作为检测用分子识别元件、靶标的拮抗剂、药物的靶向输送，另外，也可用于RNA环化，作为环状RNA制备的工具，用于基因表达调控、吸附小RNA或蛋白质骨架，有望在检测和治疗领域有更广阔的应用。在通过环状酶环化获得环化的适配体分子后，我们仍希望能够对它的高级结构有进一步的了解，并在此基础上对它的功能有更深刻的理解，以便于我们对该类适配体的优化和设计。从理论上来讲，环化适配体的三级结构能够通过X射线衍射、核磁共振和低温电子显微镜技术来确定。然而，由于成本较高、耗时长，使得它们不能很好的应用于环化适配体，随着计算机技术的飞速发展，人们已经能通过计算机来预测适配体的三级结构，但是现有预测得到的模型往往精度不高，这是由于很多预测软件，很难分析一些较为复杂的体系，并且适配体分子往往具有较大的柔性，这就使得适配体在不同的环境中的差异相当的大，同时也给环化适配体的预测带来了很大的困难，而且大部分的软件都不能预测DNA的环状结构，因此目前还没有一种可以用于环状适配体三级结构预测的技术。基于以上问题，寻找一种可行的预测环化适配体的三级结构的方法十分有必要。
发明内容
为了填补现有技术中环状适配体三级结构的预测方法的空白，本发明提供一种靶向生物毒素的环状核酸适配体三级结构的预测方法，包括以下步骤：
步骤S1：获取靶向生物毒素的核酸适配体的核苷酸序列，创建一文件夹，在所述文件夹中创建一个内容为核酸序列和环状备注的txt文件，然后使用oxDNA软件生成一个环状单链核酸的拓扑结构和数据，拓扑结构的文件设定为top，数据的文件设定为dat；
步骤S2：根据oxDNA中模板说明的格式，在所述文件夹里新建INPUT文件并输入环境条件，所述环境条件包括温度为27℃和盐浓度为0.5M，设定线程为107～109(优选地，线程为107)，导出轨迹文件设定为traj.dat，导出最终结果文件设定为last_conf.dat；
步骤S3：使用指令运行oxDNA，oxDNA会调用INPUT文件数据，按照INPUT文件设定环境条件为步骤S2中的所述环境条件，创造模拟的实验环境，靶向生物毒素的核酸适配体的核苷酸序列的拓扑结构导入到实验环境中进行虚拟蒙特卡罗动力学模拟，实现核苷酸的旋转、翻译和移动，得到线程为107～109的轨迹数据，导出不同线程处的最终拟合的轨迹数据，文件设定为last_conf，轨迹数据的文件设定为trajectory，然后将轨迹数据导入excel，分列筛选并按总能量Etotal的大小排序，寻找总能量Etotal最小时的线程数值，将轨迹数据中相应线程的数据导出为Emin，即能量最小轨迹数据；
步骤S4：使用tacoxDNA软件导入能量最小轨迹数据和拓扑结构，导出原子级别的环状核酸适配体，设定为pdb文件；
步骤S5：对原子级别的环状核酸适配体进行结构优化和能量最小化处理：(1)结构优化：如果环状核酸的碳链在磷酸基团处断开，则利用VMD及其Automatic PSF Builder插件和NAMD Graphical Interface插件对原子级别的环状核酸适配体进行优化：具体地，首先删除异常结构PDB结构中不规范原子(一般为5’端首个碱基的HO5原子)，导入VMD，选择Extensions→Modeling→Automatic PSF Builder(AutoPSF)插件，将异常结构PDB结构转化为拓扑结构PSF，然后使用插件Extensions→Simulation→NAMD Graphical Interface(NAMDgui)，选择能量最小化(minimization)和分子动力学模拟(molecular dynamics)，利用CHARMM36力场补全为完整的环状核酸结构；(2)能量最小化处理：在环状核酸适配体的结构中心放置一个Mn2+，然后对环状核酸适配体使用CHARMM36力场进行50000次迭代的能量最小化处理，以消除不合理的结构并使用NAMD(版本2.10)程序改进环状核酸适配体的结构参数，从而得到全原子的靶向生物毒素的环状核酸适配体三级结构模型；
进一步地，所述靶向生物毒素的核酸适配体为13STH和P13SH，其中13STH的核酸序列见SEQ ID NO.1，P13SH的核酸序列见SEQ ID NO.2；
SEQ ID NO.1：GGACTCAGGAGGTGGT；
SEQ ID NO.2：GGAGGTGGTGGGGACTTTGCTTGTACTGGGCGCCCGGTTGAA。
进一步地，步骤S3中的环境条件包括温度为27℃、盐浓度为0.5M。
进一步地，在步骤S1之前进一步包括步骤：配置LINUX系统和Python环境，并安装oxDNA软件。
进一步地，所述核酸为DNA。
进一步地，所述生物毒素为岩沙海葵毒素。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
本发明提供的靶向生物毒素的环状适配体三级结构预测方法，是基于已筛选得到的靶向生物毒素的核酸适配体序列，只需获得适配体序列便能实现从环状核酸适配体一级结构到三级结构的预测。且能够调整预测的精确程度，按照使用者的需求来预测环状拓扑结构。
具体地，本发明的预测方法能够用于预测靶向岩沙海葵毒素的特异性核酸适配体序列13STH、P13SH的三级结构，13STH和P13SH的核苷酸序列为已知的通过指数富集配基进化技术筛选得到的适配体序列，再使用本申请的方法进行环化，以得到最终的靶向生物毒素的环状核酸适配体三级结构模型，即可预测靶向生物毒素的环状核酸适配体的三级结构。且通过分子动力学模拟试验和模拟适配体对接实验验证本申请环化后的适配体能更好的结合岩沙海葵毒素，通过将模拟得到的环状核酸适配体的三级结构对接进行对接验证，验证结果与实验检测结果完全吻合，具有较稳定的对接位点，结合能较低，因此，本申请模拟得到的环状核酸适配体的三级结构具有优异的准确性和稳定性，从而为该适配体的进一步优化工作提供理论上的指导。
附图说明
图1为本申请一具体实施例的构建靶向生物毒素的环状核酸适配体三级结构模型的流程示意图；
图2为本申请一具体实施例的靶向生物毒素的环状核酸适配体13STH的三级结构模型图，A为使用VMD AutoPSF插件进行修复的区域，B为修复区域A的放大图并显示修复位点；
图3为本申请一具体实施例的靶向生物毒素的环状核酸适配体P13SH的的三级结构模型图，A为使用VMD AutoPSF插件进行修复的区域，其中B为修复区域A的放大图并显示修复位点；
图4为环状核酸适配体13STH和P13SH在温度条件恒为300K下分子动力学模拟过程的RMSD随时间变化图，其中，实线为P13SH，虚线为13STH，P13SH能够平稳地稳定在0.5nm左右，而13STH由于序列较长虽然略高于0.5nm，达到了0.75nm左右，但波动程度也不大，足以证明这两个结构具有很好的稳定性；
图5为环状适配体13STH在pymol中展示的全原子结构模型，并标注了3’端和5’端；
图6为环状适配体P13SH在pymol中展示的全原子结构模型，并标注了3’端和5’端；
图7为hex中岩沙海葵毒素与环状适配体13STH对接的最小结合能结果图，其中A为13STH，B为岩沙海葵毒素，C、D和E均为13STH和岩沙海葵毒素的不同结合位点的放大图；
图8为hex中岩沙海葵毒素与环状适配体P13SH对接的最小结合能结果图，其中A为P13SH，B为岩沙海葵毒素，C、D、E、F和G均为P13SH和岩沙海葵毒素的不同结合位点的放大图。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
实施例
本发明提供了使用oxDNA构建的靶向生物毒素的环化核酸适配体三级结构的预测方法，其流程图如附图1所示，具体步骤为：
步骤S10：获取DNA序列并生成该序列的拓扑和数据文件
制作oxDNA中预测环化DNA结构的拓扑生成文件使用软件之前配置LINUX系统和Python环境，安装oxDNA软件(oxDNA下载https://dna.physics.ox.ac.uk/index.php/Download_and_Installation)，使用oxDNA预测结构的第一步是核酸序列的环化结构预测。在获得13STH和P13H适配体的核苷酸(DNA)序列之后，创建文件夹和一个内容为核酸序列和环状备注(CIRCULAR)的txt文件(要求：全部大写)。使用python运行py文件中的generate.py(注：由于Python使用版本，generate.py可能报错，遇到此情况修改86行代码，改为if len(sequence)＝＝0)。根据序列的长度和txt内容分别生成一个环状单链DNA拓扑(.top)和数据文件(.dat)。
步骤S20：创建INPUT文件
在获得环状ssDNA的拓扑和数据文件之后，接下来要做的就是编辑INPUT文件。INPUT文件中包含运行oxDNA所需的重要信息。根据oxDNA模板说明的格式，在文件夹里新建INPUT文件并输入模拟环境条件和所需拓扑生成文件，放入同一文件夹，注意变量，温度压力均与实验条件中一致，step线程不要太高(优选为107～109，更优选地为107)，本实施例操作过程采用的温度条件为接近室温的27℃，盐浓度为0.5M，线程为107，输入文件设定为top和dat，导出轨迹文件设定为traj.dat，导出最终结果文件设定为last_conf.dat。
步骤S30：运行OXDNA，生成最终拟合结构和轨迹数据文件
经过上述一系列准备工作，使用指令运行oxDNA程序，oxDNA会调用INPUT文件数据，按照INPUT文件设定的环境条件(例如温度和盐浓度等)，创造模拟的实验环境，该序列的拓扑生成结构导入到环境中进行虚拟蒙特卡罗(VMMC)动力学模拟，实现核苷酸的旋转翻译移动。运行线程规定的时间(step值设为107相当于运行约一小时)，得到最终拟合结构(last_conf)和轨迹(trajectory)数据文件。
步骤S40：结果可视化并筛选出原子级别的环状适配体结构
目前有多种结果可视化方法
步骤S41：运行oxview进行结果可视化
在Oxview(oxview:https://github.com/sulcgroup/oxdna-viewer/blob/master/index.html)中上传拓扑文件和轨迹数据文件，可视化线程中拓扑拟合过程，但不生成导出结构。
步骤S42：运行tjra2chimera.py进行结果可视化
使用计算机指令，导入轨迹(trajectory)数据，导出运行线程中所有结构至可视化程序CHIMERA，可视化磷酸链和碱基。
步骤S43：通过tacoxDNA进行结果可视化
在tacoxDNA(http://tacoxdna.sissa.it/oxDNA_PDB)中导入最终模拟结果(last_conf)和拓扑(top)，并导出原子级别环状的单链DNA结构，生成pdb文件。
经过反复对比，发现oxview和运行tjra2chimera.py只能导出粗略的骨架，能满足使用者的最基本的要求，只有tacoxDNA导出的结构能达到精细的原子级别,本发明使用tacoxDNA，成功导出了所需的环状适配体结构。
步骤S50：对环状核酸适配体三级结构进行结构优化和能量最小化处理
通过Pymol查看oxDNA的运行结果，查看oxDNA运行结果，若环化DNA的碳链在磷酸基团处断开，利用VMD AutoPSF插件补全完整环状DNA结构(本发明使用CHARMM36力场)(VMD:https://www.ks.uiuc.edu/Research/vmd/)。图2和图3分别为VMD AutoPSF插件修复至完整的环化核酸适配体13STH和P13SH的结构图。由于环状适配体形成的平面中心之间的金属阳离子Mn2+是维持环状结构的要素，因此本方法在环状结构的中心放置了一个Mn2+。然后在每个三级结构模型上进行50000次迭代的能量最小化处理，以消除不合理的结构并使用NAMD(版本2.10)程序改进结构参数。在末端延长以及能量最小化的两个过程中，本发明使用CHARMM36力场。
效果例1分子动力学模拟实验
对13STH和P13SH的环状结构模型进行分子动力学模拟，旨在评估每个结构能量最小化模拟后在给定温度和压力下的稳定性。利用Gromacs4.5软件进行环状结构模型等温等压模拟，在核酸模拟体系建模的过程中，为了构建适用于Gromacs4.5软件的模拟体系，本发明使用AMBER99SB-ILDN力场，同时在溶剂的选择中采用SPC水模型(SPC水模型为本领域常用的溶剂模型，相当于是环状适配体的环境)。模型建立后，将模型放置在模拟体系水立方体的中心(任意两个周期性映像之间的距离至少为2nm)，并在体系中插入适量的金属阳离子Mn2+和阴离子Cl-以保持体系的静电荷为零，以维持环状适配体结构体系稳定。该分子动力学模拟包括三个过程：
(1)能量最小化处理：将能量最小化的阈值设置为原子与原子之间的作用力Fmax≤1000kJ*mol-1*nm-1，进行拟合直至达到阈值即完成能量最小化；
(2)限制的恒温分子动力学模拟：待能量最小化之后，将核酸中的重原子的位置进行限制以确保其不会移动，并将已建好的模型的模拟体系放置于300K的恒定温度下平衡100ps，限制的恒温分子动力学模拟可以保证体系在模拟初期不会崩溃；
(3)限制的恒压分子动力学模拟和打开位置限制的分子动力学模拟(MolecularDynamic,MD)模拟：平衡温度后将采用Parrinello-Rahman控压器稳定压力100ps，最后再放开位置限制进行10ns的MD模拟，得到其在这10ns时间中的均方根偏差(Root Mean SquareDeviation,RMSD)。
图4所示为环状核酸适配体13STH和P13SH在温度条件恒为300K下分子动力学模拟过程的RMSD随时间变化图，其中，实线为P13SH，虚线为13STH，P13SH能够平稳地稳定在0.5nm左右，而13STH由于序列较长虽然略高于0.5nm，达到了0.75nm左右，但波动程度也不大，足以证明这两个结构具有很好的稳定性。由于13STH相较于P13SH链长更长，因而柔性更大，故而理论上P13SH的结构相较于13STH的结构会更加稳定。
效果例2模拟适配体对接实验
为了进一步验证该模型的精确程度，我们将通过与靶向生物毒素进行对接的计算其亲和力，观察其是否通实验结果相似，具有稳定的结合和较高的亲和力。使用软件hex模拟对接。在Pubchem(https://pubchem.ncbi.nlm.nih.gov/)上搜索验证所需毒素小分子，本次实验使用岩沙海葵毒素(palytoxin，PLTX)。小分子结构下载以及安装HEX完成后，进行HEX对接，选择导入受体(环状DNA结构)和配体(PLTX)，调整结构间距离，避免结构间距离过紧或重合影响对接；在对接界面选择对接参数，可选参数有对接范围区域(receprtor&ligands range)，线程(step size)；进行对接，在得出的一批对接结果中选择Etotal总结合能最小的结果，导出结果在可视化软件PYMOL查看对接位点，如图5和图6所示。
通过hex进行分子对接，发现CIR16结合位点有9个，CIR42结合位点有5个，且通过计算它们与PTX的结合能发现预测的环化适配体的三级结构具有较高的亲和力，而且与岩沙海葵毒素有多个稳定的结合位点，也符合我们对环化适配体的实验分析以及理论分析上的分析，进一步说明了该结构的精确程度。图7和图8分别为hex中岩沙海葵毒素分别与环状适配体和PLTX对接的最小结合能结果图。表1为hex中岩沙海葵毒素分别与环状适配体13STH和P13SH对接的最小结合能。
表1 hex中岩沙海葵毒素分别与环状适配体13STH和P13SH对接的最小结合能
Figure BDA0003122082500000081
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
序列表
<110> 中国人民解放军海军军医大学
<120> 一种靶向生物毒素的环状核酸适配体三级结构的预测方法
<130> 说明书
<160> 2
<170> SIPOSequenceListing 1.0
<210> 1
<211> 16
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 1
ggactcagga ggtggt 16
<210> 2
<211> 42
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 2
ggaggtggtg gggactttgc ttgtactggg cgcccggttg aa 42

Claims (5)

1.一种靶向生物毒素的环状核酸适配体三级结构的预测方法，其特征在于，包括以下步骤：
步骤S1：获取靶向生物毒素的核酸适配体的核苷酸序列，创建一文件夹，在所述文件夹中创建一个内容为核酸序列和环状备注的txt文件，然后使用oxDNA软件生成一个环状单链核酸的拓扑结构和数据，拓扑结构的文件设定为top，数据的文件设定为dat；
步骤S2：根据oxDNA中模板说明的格式，在所述文件夹里新建INPUT文件并输入环境条件，所述环境条件包括温度27℃和盐浓度为0.5M，设定线程为107～109，导出轨迹文件设定为traj.dat，导出最终结果文件设定为last_conf.dat；
步骤S3：使用指令运行oxDNA，oxDNA会调用INPUT文件数据，按照INPUT文件设定环境条件为步骤S2中的所述环境条件以创造模拟的实验环境，将靶向生物毒素的核酸适配体的核苷酸序列的拓扑结构导入到实验环境中进行虚拟蒙特卡罗动力学模拟，实现核苷酸的旋转、翻译和移动，得到运行线程为107～109的轨迹数据，导出不同线程处的最终拟合的轨迹数据，文件设定为last_conf，轨迹数据的文件设定为trajectory，然后将轨迹数据导入excel，分列筛选并按总能量Etotal的大小排序，寻找总能量Etotal最小时的线程数值，将轨迹数据中相应线程的数据导出为Emin，即能量最小轨迹数据；
步骤S4：使用tacoxDNA软件导入能量最小轨迹数据和拓扑结构，导出原子级别的环状核酸适配体，设定为pdb文件；
步骤S5：对所述原子级别的环状核酸适配体进行结构优化和能量最小化处理：（1）结构优化：如果环状核酸的碳链在磷酸基团处断开，则利用VMD及其Automatic PSF Builder插件和NAMD Graphical Interface插件对原子级别的环状核酸适配体进行优化；（2）能量最小化处理：在环状核酸适配体的结构中心放置一个Mn2+，然后对环状核酸适配体使用CHARMM36力场进行50000次迭代的能量最小化处理，以消除不合理的结构并使用NAMD程序改进环状核酸适配体的结构参数，从而得到全原子的靶向生物毒素的环状核酸适配体三级结构模型。
2.如权利要求1所述的靶向生物毒素的环状核酸适配体三级结构的预测方法，其特征在于，所述靶向生物毒素的核酸适配体为13STH和P13SH。
3.如权利要求1所述的靶向生物毒素的环状核酸适配体三级结构的预测方法，其特征在于，在步骤S1之前包括以下几个步骤：配置LINUX系统和Python环境，并安装oxDNA软件。
4.如权利要求1所述的靶向生物毒素的环状核酸适配体三级结构的预测方法，其特征在于，所述核酸为DNA。
5.如权利要求1-4任一项所述的靶向生物毒素的环状核酸适配体三级结构的预测方法，其特征在于，所述生物毒素为岩沙海葵毒素。
CN202110678898.8A 2021-06-18 2021-06-18 一种靶向生物毒素的环状核酸适配体三级结构的预测方法 Active CN113539377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110678898.8A CN113539377B (zh) 2021-06-18 2021-06-18 一种靶向生物毒素的环状核酸适配体三级结构的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110678898.8A CN113539377B (zh) 2021-06-18 2021-06-18 一种靶向生物毒素的环状核酸适配体三级结构的预测方法

Publications (2)

Publication Number Publication Date
CN113539377A CN113539377A (zh) 2021-10-22
CN113539377B true CN113539377B (zh) 2022-04-05

Family

ID=78125127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110678898.8A Active CN113539377B (zh) 2021-06-18 2021-06-18 一种靶向生物毒素的环状核酸适配体三级结构的预测方法

Country Status (1)

Country Link
CN (1) CN113539377B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114121146B (zh) * 2021-11-29 2023-10-03 山东建筑大学 一种基于并行和蒙特卡罗策略的rna三级结构预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104458684A (zh) * 2014-11-25 2015-03-25 浙江农林大学 基于非标记荧光染料和核酸适配体的检测生物分子的方法
CN110718265A (zh) * 2019-09-05 2020-01-21 复旦大学 靶向生物毒素的g-四联体式核酸适配体三级结构预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104458684A (zh) * 2014-11-25 2015-03-25 浙江农林大学 基于非标记荧光染料和核酸适配体的检测生物分子的方法
CN110718265A (zh) * 2019-09-05 2020-01-21 复旦大学 靶向生物毒素的g-四联体式核酸适配体三级结构预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Solution Structure of APETx1 From the Sea Anemone;Benjamin Chagot et al.;《 Wiley InterScience》;20050222;第380–386页 *
小分子靶标的核酸适配体筛选研究进展;王子健等;《分析化学 ( FENXI HUAXUE) 评述与进展》;20200531;第 48 卷(第 5 期);第573 - 582页 *

Also Published As

Publication number Publication date
CN113539377A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Shao et al. An extended teaching-learning based optimization algorithm for solving no-wait flow shop scheduling problem
Moriarty et al. electronic Ligand Builder and Optimization Workbench (eLBOW): a tool for ligand coordinate and restraint generation
CN110400598B (zh) 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法
CN108804869B (zh) 基于神经网络的分子结构和化学反应能量函数构建方法
Taylor et al. Multiple protein structure alignment
JP7048065B2 (ja) 結合性予測方法、装置、プログラム、記録媒体、および機械学習アルゴリズムの学習方法
Flores et al. Fast flexible modeling of RNA structure using internal coordinates
Hovan et al. Assessment of the model refinement category in CASP12
CN106055920B (zh) 一种基于阶段性多策略副本交换的蛋白质结构预测方法
CN113539377B (zh) 一种靶向生物毒素的环状核酸适配体三级结构的预测方法
Lagorce et al. DG-AMMOS: A New tool to generate 3D conformation of small molecules using D istance G eometry and A utomated M olecular M echanics O ptimization for in silico S creening
WO2006065950A2 (en) Modeling biological effects of molecules using molecular property models
CN111785326B (zh) 基于生成对抗网络的药物作用后基因表达谱预测方法
US7729892B2 (en) Simulation parameter determination method
JP2020077206A (ja) 情報処理方法および学習モデル
Chiappino-Pepe et al. Integration of metabolic, regulatory and signaling networks towards analysis of perturbation and dynamic responses
Du et al. Species tree and reconciliation estimation under a duplication-loss-coalescence model
Pérez de Alba Ortíz et al. The adaptive path collective variable: a versatile biasing approach to compute the average transition path and free energy of molecular transitions
Kotelnikov et al. Sampling and refinement protocols for template-based macrocycle docking: 2018 D3R Grand Challenge 4
WO2019235567A1 (ja) タンパク質相互作用解析装置及び解析方法
Karplus Molecular dynamics simulations of proteins
Cohen et al. Structure design: an artificial intelligence-based method for the design of molecules under geometrical constraints
US8359165B2 (en) Spatially heterogeneous stochastic petri-net modeling
Torres et al. A novel ab-initio genetic-based approach for protein folding prediction
Wang et al. Using an annealing genetic algorithm to solve global energy minimization problem in molecular binding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant