5-羟色胺在认知中起着核心作用,并且是大多数精神疾病药物的靶标。现有药物疗效有限。创建改进版本将需要更好地了解5-羟色胺能回路,这已因人们无法以高时空分辨率监测5-羟色胺的释放和运输而受到阻碍。有鉴于此,美国加州大学的Lin Tian和美国霍华德·休斯医学院的Loren L. Looger等研究人员,通过机器学习指导选择性敏感的血清素传感器的进化。
本文要点
1)在机器学习的指导下,研究人员开发并应用了绑定袋重新设计策略,以创建高性能的可溶性荧光5-羟色胺传感器(iSeroSnFR),从而可以光学检测毫秒级的5-羟色胺瞬变。
2)研究人员证明,iSeroSnFR可用于检测恐惧条件、社交互动和睡眠/觉醒过渡过程中行为自由的小鼠中血清素释放。
3)研究人员还开发了一种5-羟色胺转运蛋白功能和药物调节的可靠方法。
本文研究表明,机器学习指导的绑定口袋重新设计和iSeroSnFR有望分别在开发其他传感器,以及体外和体内血清素检测方面具有广泛用途。
参考文献:
Elizabeth K. Unger, et al. Directed Evolution of a Selective and Sensitive Serotonin Sensor via Machine Learning. Cell, 2020.
DOI:10.1016/j.cell.2020.11.040
https://www.cell.com/cell/fulltext/S0092-8674(20)31612-3