利用BiacoreA100以多蛋白组方式进行基于选择性的化合物筛选.PDF

利用 Biacore A100 以多蛋白组方 式进行基于选择性的化合物筛选 　 提高药物开发中化合物筛选的效率 – 根据选择性结合来筛选化合物 – 无标记、实时筛选虚拟活性化合物（virtual hits）和片段文库化合物 • 利用蛋白质阵列对复杂的蛋白靶点进行快 （活性化合物），很容易产生的假阳性结果。例如， 速、高信息量的化合物分析 化合物可能直接干扰标记系统，或通过非特异的蛋 白结合来发生反应。因此，通过高通量筛选分析鉴 – 每天的处理速度相当于3800 个相互作用 定出的大部分hits 都证实是假阳性，而不能选择性 – 与HTS 分析相比蛋白靶点的消耗量低 地与目标结合位点结合。 • 可从蛋白质集合(Panels)的平行分析获得独 利用结构信息进行虚拟筛选和设计定向文库 特的化合物筛选标准 有助于改善筛选过程。那些可在筛选早期提供全 – 可同时分析与野生型和突变型蛋白靶点 面、高质量的结合和选择性数据的筛选方法将大大 的结合特性、以及与特定靶点蛋白亚基和 提高筛选效率。 对照蛋白的结合特性 “Biacore A100 的多重目标蛋白集合分析方 – 可鉴别出高度选择性结合特定靶点的化 式是研究复杂药物靶点的极佳途径。这些分析提高 合物 了发现生物活性分子的机会，因为所得的信息给出 了结合模式的清晰图像。” – 可最终鉴定出非特异性的蛋白结合物 ——瑞士巴塞尔罗氏公司的Walter Huber 博士 • 更快速、信息更丰富的化合物筛选，最大程 度降低靶点相关的假象风险 • 可实现项目中过去 HTS 无法进行的重要进 程 – 可在生物分析中验证具激动剂活性的化合 物 简介 图 1. Biacore A100 为选择性化合物筛选提供无需标 目前的高通量筛选（HTS）方式利用低分子量 记的相互作用分析方法 （LMW）化合物的大文库，通过设计反映化合物 无标记的相互作用分析系统在药物筛选过程 与治疗目标蛋白之间的亲和力的抑制性分析来进 中的应用日益增多，它的选择标准是基于化合物- 行筛选。这些分析检测根据阴性结果来检测 hits 2009年2月19日第五十七期 第 14 页，共 22 页 下一页 返回 靶蛋白的直接结合特性。此类分析的优势包括独特 标很复杂，因为已知C 亚基别构位点也能够与HTP 而高分辨率的结合数据为相互作用提供了动态描 a 亚基上的活性位点相关的同类天然配体结合，这 述，靶蛋白的消耗量小，并且包含对照蛋白用于结 就产生了选择性的问题。由于缺乏单纯的c 亚基蛋 合的特异性分析。Biacore™ A100 以足够大的运 白，所以筛选方式必须分两步进行（图2 概述）。 行通量提供高质量的相互作用数据，可满足定向化 第一步是利用阵列系统分别针对全长HTP 和a 亚 合物筛选应用中的需求。Biacore™ A100 的优势 基靶点将所有1280 种化合物全都筛选一轮，排除 不仅仅在于可处理的化合物数量，这个相互作用分 那些倾