2022
Tools for computational design and high-throughput screening of therapeutic enzymes
VAŠINA, Michal, Jan VELECKÝ, Joan PLANAS IGLESIAS, Sérgio Manuel MARQUES, Jana ŠKAŘUPOVÁ et. al.Základní údaje
Originální název
Tools for computational design and high-throughput screening of therapeutic enzymes
Autoři
VAŠINA, Michal (203 Česká republika, domácí), Jan VELECKÝ (203 Česká republika, domácí), Joan PLANAS IGLESIAS (724 Španělsko, domácí), Sérgio Manuel MARQUES (620 Portugalsko, domácí), Jana ŠKAŘUPOVÁ (203 Česká republika, domácí), Jiří DAMBORSKÝ (203 Česká republika, garant, domácí), David BEDNÁŘ (203 Česká republika, domácí), Stanislav MAZURENKO (643 Rusko, domácí) a Zbyněk PROKOP (203 Česká republika, domácí)
Vydání
ADVANCED DRUG DELIVERY REVIEWS, NETHERLANDS, ELSEVIER, 2022, 0169-409X
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
30104 Pharmacology and pharmacy
Stát vydavatele
Nizozemské království
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Impakt faktor
Impact factor: 16.100
Kód RIV
RIV/00216224:14310/22:00126167
Organizační jednotka
Přírodovědecká fakulta
UT WoS
000793483600005
Klíčová slova anglicky
Big data; Bioinformatics; Biopharmaceuticals; Biocatalysts; Enzyme characterization; Enzyme diversity; Machine learning; Microfluidics; Rational design
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 3. 4. 2023 09:28, Mgr. Marie Šípková, DiS.
Anotace
V originále
Therapeutic enzymes are valuable biopharmaceuticals in various biomedical applications. They have been successfully applied for fibrinolysis, cancer treatment, enzyme replacement therapies, and the treatment of rare diseases. Still, there is a permanent demand to find new or better therapeutic enzymes, which would be sufficiently soluble, stable, and active to meet specific medical needs. Here, we highlight the benefits of coupling computational approaches with high-throughput experimental technologies, which significantly accelerate the identification and engineering of catalytic therapeutic agents. New enzymes can be identified in genomic and metagenomic databases, which grow thanks to next generation sequencing technologies exponentially. Computational design and machine learning methods are being developed to improve catalytically potent enzymes and predict their properties to guide the selection of target enzymes. High-throughput experimental pipelines, increasingly relying on microfluidics, ensure functional screening and biochemical characterization of target enzymes to reach efficient therapeutic enzymes.
Návaznosti
EF17_043/0009632, projekt VaV |
| ||
EF19_073/0016943, projekt VaV |
| ||
GJ20-15915Y, projekt VaV |
| ||
LM2018121, projekt VaV |
| ||
LM2018131, projekt VaV |
| ||
857560, interní kód MU (Kód CEP: EF17_043/0009632) |
|