Chemical features and machine learning assisted predictions of protein-ligand short hydrogen bonds.
Chemical features and machine learning assisted predictions of protein-ligand short hydrogen bonds.
复制标题
DOI：
10.1038/s41598-023-40614-7
复制
发表时间：
2023-08-23
影响因子：
4.6
通讯作者：
中科院分区：
文献类型：
--
作者：
人们一直在努力阐明短氢键(SHBs)的结构和生物功能，其给体和受体杂原子的距离比它们的范德华半径之和更近0.3°。在这项工作中，我们评估了1070个原子分辨蛋白质结构，并表征了在氨基酸侧链和小分子配体之间形成的SHBs的共同化学特征。然后，我们建立了一个机器学习辅助的蛋白质-配体氢键预测模型(MAPSHB-Ligand)，揭示了氨基酸和配体功能基团的类型以及相邻残基的顺序是决定蛋白质-配体氢键类别的关键因素。MAPSHB-Ligand模型及其在我们的网络服务器上的实现使我们能够有效地识别蛋白质中的蛋白质-配体SHBs，这将促进利用这些密切联系来增强功能的生物分子和配体的设计。
There are continuous efforts to elucidate the structure and biological functions of short hydrogen bonds (SHBs), whose donor and acceptor heteroatoms reside more than 0.3 Å closer than the sum of their van der Waals radii. In this work, we evaluate 1070 atomic-resolution protein structures and characterize the common chemical features of SHBs formed between the side chains of amino acids and small molecule ligands. We then develop a machine learning assisted prediction of protein-ligand SHBs (MAPSHB-Ligand) model and reveal that the types of amino acids and ligand functional groups as well as the sequence of neighboring residues are essential factors that determine the class of protein-ligand hydrogen bonds. The MAPSHB-Ligand model and its implementation on our web server enable the effective identification of protein-ligand SHBs in proteins, which will facilitate the design of biomolecules and ligands that exploit these close contacts for enhanced functions.
登录
查看更多内容
影响因子：
2.9
作者：
CLELAND, WW
通讯作者：
CLELAND, WW
影响因子：
8.4
作者：
通讯作者：
--
影响因子：
56.9
作者：
FREY, PA;WHITT, SA;TOBIN, JB
通讯作者：
TOBIN, JB
DOI：
10.1073/pnas.1402850111
发表时间：
2014-08-26
影响因子：
11.1
作者：
Jin, Yi;Bhattasali, Debabrata;Waltho, Jonathan P.
通讯作者：
Waltho, Jonathan P.
影响因子：
64.8
作者：
Dai, Shaobo;Funk, Lisa-Marie;Tittmann, Kai
通讯作者：
Tittmann, Kai