解码暗质谱：基于深度学习的Wuchereria bancrofti可药化酶发现
摘要
Wuchereria bancrofti为.lymphatic filariasis（淋巴静脉病）所致病原线虫，永久性损害了3600万人并将6.57亿人置于风险之中。药物发现的主要瓶颈是对超过90%的W. bancrofti暗质谱功能注释不完整，导致许多潜在靶点无法被识别。本文提出一种新型计算流程，将W. bancrofti的未注释氨基酸序列数据转化为精确的四级酶学委员会（EC）编号及药物候选物。我们利用DEtection TRansformer估算酶学功能概率，对4476个标记的寄生虫蛋白进行层次化最近邻EC预测器微调，并应用拒绝抽样仅保留100%置信度的四级EC分类。该流程为14772个先前未 characterization的蛋白质分配精确EC编号，并发现543种在W. bancrofti中尚未知晓的EC类别。一种定性分流强调寄生虫特异靶点、化学可达性、生化重要性及生物学合理性，将优先筛选六种酶及五种策略：抗Wolbachia细胞壁抑制、蛋白酶抑制、传播干扰、腺苷免疫干扰及cGMP信使失稳。我们从ChEMBL和BindingDB精选了43种化合物，并通过Boltz-2进行多构象共折叠。所有六种靶点均显示出至少中等强度的预测结合亲和力（<1μM），其中对肽糖苷酶糖基转移酶和NTP酶的莫内霉素类似物显示出有前景的纳米 level命中及明确的结合口袋。尽管实验验证仍至关重要，但我们的结果为W. bancrofti暗质谱的首次大规模功能图谱提供了基础，加速了该物种的早期药物开发。
引用
@article{arxiv.2510.07336,
title = {Nonlinear System Identification for Model-Based Control of Waked Wind Turbines},
author = {Sebastiano Randino and Lorenzo Schena and Nicolas Coudou and Emanuele Garone and Miguel Alfonso Mendez},
journal= {arXiv preprint arXiv:2510.07336},
year = {2025}
}
备注
Submitted to: Data-Centric Engineering Journal Length: 27 pages (including references) Figures: 14 numbered figures (from Fig. 1 to Fig. 14) Keywords: Wind Turbines, Wake Interaction, Nonlinear System Identification, Adaptive Control, RBF Regression, Model-Based Control, Wind Tunnel Experiments