Agonists of G-Protein-Coupled Odorant Receptors Are Predicted from Chemical Features.
Agonists of G-Protein-Coupled Odorant Receptors Are Predicted from Chemical Features.
复制标题
DOI：
10.1021/acs.jpclett.8b00633
复制
发表时间：
2018-05-03
期刊：
影响因子：
--
通讯作者：
Golebiowski J
中科院分区：
文献类型：
--
作者：
Bushdid C;de March CA;Fiorucci S;Matsunami H;Golebiowski J
预测给定气味受体的化学物质的活性是一个长期的挑战。在这里，258种化学物质对人类G蛋白偶联气味受体（OR）51 E1（也称为前列腺特异性G蛋白偶联受体2（PSGR 2））的活性通过机器学习使用4884个化学描述符作为输入进行了虚拟筛选。通过功能性体外测定的系统控制显示，支持向量机算法准确地预测了筛选文库的活性。它使我们能够在体外鉴定两种新的OR 51 E1激动剂。在OR 1A 1、OR 2 W1和MOR 256 -3气味受体上评估了该方案的可转移性，并且在每种情况下，以39- 50%的命中率鉴定了新型激动剂。我们进一步展示了配体的功效是如何使用分子建模协议编码到OR 51 E1空腔内的残基中的。我们的方法可以拓宽与气味受体相关的化学空间。因此，这种基于化学特征的机器学习协议代表了一种有效的工具，用于筛选G蛋白偶联的气味受体的配体，这些受体调节非嗅觉功能，或者在组合激活时产生我们的嗅觉。
Predicting the activity of chemicals for a given odorant receptor is a longstanding challenge. Here the activity of 258 chemicals on the human G-protein-coupled odorant receptor (OR)51E1, also known as prostate-specific G-protein-coupled receptor 2 (PSGR2), was virtually screened by machine learning using 4884 chemical descriptors as input. A systematic control by functional in vitro assays revealed that a support vector machine algorithm accurately predicted the activity of a screened library. It allowed us to identify two novel agonists in vitro for OR51E1. The transferability of the protocol was assessed on OR1A1, OR2W1, and MOR256–3 odorant receptors, and, in each case, novel agonists were identified with a hit rate of 39–50%. We further show how ligands’ efficacy is encoded into residues within OR51E1 cavity using a molecular modeling protocol. Our approach allows widening the chemical spaces associated with odorant receptors. This machine-learning protocol based on chemical features thus represents an efficient tool for screening ligands for G-protein-coupled odorant receptors that modulate non-olfactory functions or, upon combinatorial activation, give rise to our sense of smell.
登录
查看更多内容
影响因子：
15
作者：
de March CA;Yu Y;Ni MJ;Adipietro KA;Matsunami H;Ma M;Golebiowski J
通讯作者：
Golebiowski J
影响因子：
3.7
作者：
Audouze K;Tromelin A;Le Bon AM;Belloir C;Petersen RK;Kristiansen K;Brunak S;Taboureau O
通讯作者：
Taboureau O
影响因子：
7.7
作者：
Boyle, Sean Michael;McInally, Shane;Ray, Anandasankar
通讯作者：
Ray, Anandasankar
影响因子：
8
作者：
Man, O;Gilad, Y;Lancet, D
通讯作者：
Lancet, D
影响因子：
64.5
作者：
Malnic, B;Hirono, J;Buck, LB
通讯作者：
Buck, LB