Abstract
Dit project focust zich op de dynamica die gepaard gaat met ligandbinding op dipeptidyl peptidasen (DPP) 4, 8 en 9. Ondanks het biologische belang van deze systemen, blijft het verkrijgen van selectiviteit een uitdaging door de vergelijkbare actieve site-architecturen. Zeer recent zijn echter verbindingen gesynthetiseerd die significant selectiever zijn voor DPP9 dan voor DPP8 en DPP4. Hoewel veelbelovend, blijft het probleem dat we de fysicochemische en structurele redenen voor deze selectiviteit niet begrijpen. Teneinde dit gebrek aan inzicht te beantwoorden, beoogt het voorstel om de dynamiek van ligandbinding aan DPP4, 8 en 9 te onderzoeken met behulp van een combinatie van moleculaire dynamica (MD)-gebaseerde simulaties en deep learning (DL)-technieken. Door grote datasets van MD-trajecten te genereren en DL te gebruiken om deze data te analyseren, zullen patronen worden onderzocht die ligandbinding beïnvloeden. Het project richt zich ook op de functionele rol van de twee kanalen die de interne bindingsplaats met de omgeving verbinden, met als doel nadien verbindingen te identificeren die kunnen binden in één van de twee kanalen. Verschillende studies gebruikten reeds MD om de dynamica van DPP's te bestuderen en om sleutelresiduen betrokken bij ligandbinding te identificeren. Er zijn echter geen studies die DL hebben toegepast om de ligandbindingsdynamiek in DPP's te onderzoeken. Dit project is een samenwerking tussen UAMC (FBD; UA) en IDLab (UA/IMEC).
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)