综述：适配体技术与结构生物信息学、计算化学及人工智能的结合

《WIREs Computational Molecular Science》：Aptamers Meet Structural Bioinformatics, Computational Chemistry, and Artificial Intelligence

适配体通过结构预测工具结合生物信息学、计算化学和AI实现高通量构象探索，但现有模型低估化学修饰影响，需改进参数化与数据集并加强计算与实验验证，将推动临床可用适配体药物开发。

　　

摘要

适配体（aptamers）是一种短的单链DNA或RNA分子，它们已成为强大的结构预测工具的研究对象。这些工具结合了生物信息学、计算化学和人工智能技术，使得人们能够高效地探索适配体的构象特征，从而为合理设计和优化其靶向亲和力和特异性奠定基础。下一代测序技术降低了库分析的门槛，使任何实验室都能处理数百万种适配体变体。目前，混合工作流程能够提供最可靠的二级和三级结构模型，而对构象灵活性的精确处理对于确定具有结合能力的适配体状态至关重要。然而，从传统的自由能最小化方法到深度学习技术，所有预测方法在处理化学修饰的核苷酸方面仍存在不足——正是这些修饰赋予了适配体抗核酸酶能力和更长的药代动力学半衰期。因此，捕捉这些修饰对结构与动力学的影响仍是亟待解决的关键问题。要取得进展，需要从两个方面入手：一是开发包含修饰碱基的更丰富的参数化和训练数据；二是加强计算机模拟（in silico）结果与生物物理和结构验证之间的协同作用。弥合这些差距将有助于将现有的计算技术成果转化为具有临床应用价值的基于适配体的药物，最终惠及患者。

本文属于以下分类：

• 结构与机制 > 分子结构
• 数据科学 > 计算机算法与编程
• 数据科学 > 人工智能/机器学习

图形摘要

本文介绍了如何利用建模、模拟和人工智能技术来改进适配体的设计，以实现更精确的诊断和治疗方法。文中提供了五步指南，涵盖了从序列（一维）到二级结构（二维）、折叠（三维）以及构象采样（四维）所需的所有工具、算法和程序。

利益冲突

作者声明不存在任何利益冲突。