Neue Version von TRAPP veröffentlicht

Forscher/-innen der Molecular and Cellular Modeling (MCM) Gruppe am HITS haben eine neue Version des Webservers TRAnsient Pockets in Proteins (TRAPP) veröffentlicht: https://trapp.h-its.org/

Die wichtigste Neuerung in TRAPP Version 4 ist der Einsatz von maschinellem Lernen und molekularer Simulation zur Vorhersage der “Druggability“, d. h. der Fähigkeit der untersuchten Proteinbindungsstelle, an eine arzneistoffähnliche Verbindung zu binden. Auf diese Weise erleichtert TRAPP die Entdeckung kryptischer Bindungstaschen, die in der experimentell ermittelten Struktur eines Proteins möglicherweise nicht sichtbar sind, aber durch die Simulation der Proteinbewegungen aufgedeckt werden können.

Der sogenannte Druggability-Score kann den Benutzer/-innen helfen, aus einer Reihe von Konformationen, die aus Experimenten oder einer Molekulardynamiksimulation gewonnen wurden, die am meisten „druggable“ Konformation einer bestimmten Bindungstasche zu identifizieren.  Diese vorhergesagte druggable Konformation kann dann für das Design von Wirkstoffen verwendet werden. TRAPP enthält auch Visualisierungswerkzeuge, die es den Benutzer/-innen ermöglichen, die Faktoren zu identifizieren, die sich auf die vorhergesagte Druggability von Proteinbindetaschen auswirken.

Weitere Quellen:

Jui-Hung Yuan, Sungho Bosco Han, Stefan Richter, Rebecca C Wade, Daria B. Kokh
Druggability Assessment in TRAPP using Machine Learning Approaches
JYuan J, Han SB, Richter S, Wade RC, Kokh DB (2020). Druggability Assessment in TRAPP Using Machine Learning Approaches, J. Chem. Inf. Model. 60(3):1685-1699 1

Stank A, Kokh DB, Horn M, Sizikova E, Neil R, Panecka J, Richter S, Wade RC (2017). TRAPP webserver: predicting protein binding site flexibility and detecting transient binding pockets., Nucleic Acids Research 45(W1):W325-W330

Kokh DB, Richter S, Henrich S, Czodrowski P, Rippmann F, Wade RC (2013). TRAPP: A Tool for Analysis of Transient Binding Pockets in Proteins, J. Chem. Inf. Model. 53(5):1235-1252