研究者が深層学習を使用して新しい医薬品を特定する

韓国の光州科学技術院の研究者は、薬物と標的分子との結合を予測できる新しい深層学習モデルを開発しました。ホジュン・ナム准教授とイング・リー博士課程学生が率いるチームは、この新しいモデルを「標的シーケンスのハイライト」（HoTS）と呼んでいます。

この研究は、ジャーナル・オブ・ケミカルインフォマティクスに掲載されました。

医薬品発見プロセス

医薬品は、体内の標的分子との結合または相互作用の能力をテストするために、医薬品発見プロセスで使用されます。深層学習モデルは、このプロセスをより効果的にするために役立ちましたが、その予測は常に解釈可能性を示すわけではありません。したがって、チームはHoTSを作成しました。これは、薬物標的相互作用をよりよく予測し、解釈可能なものです。

薬物が標的分子にどれだけ結合するかを決定することは非常に重要であり、通常、薬物とその標的タンパク質の3D構造をさまざまな構成で整列させる必要があります。このプロセスは「ドッキング」と呼ばれます。次に、ドッキングシミュレーションを繰り返し実行して、標的分子に対する複数の薬物候補を発見します。深層学習モデルは、これらのシミュレーションを実行するために使用されます。

HoTSモデル

新しく開発されたモデルは、シミュレーションや3D構造を必要とせずに、薬物標的相互作用（DTI）を予測できます。

「まず、モデルにタンパク質シーケンスのどの部分が薬物と相互作用するかを、事前の知識を使用して明示的に教えます」とナム准教授は説明しています。「訓練されたモデルは、薬物と標的タンパク質の相互作用を認識して予測するために使用され、より良い予測性能を提供します。使用して、3D複合体なしに標的タンパク質の結合領域と薬物との相互作用を予測できるモデルを構築しました。」

モデルは、タンパク質シーケンスの全長に取り組む必要はありません。代わりに、DTI相互作用に関連するタンパク質の部分に基づいて予測を行うことができます。

「薬物候補との相互作用を予測するために、モデルに重要なサブ領域を理解するように『焦点』を当てました」とナム准教授は続けています。

これにより、モデルは既存のモデルよりもDTIをより正確に予測できます。

これらの新しい発見は、新しい薬物候補を予測する将来のドッキングシミュレーションの良い出発点となります。

「私たちの研究で使用されたこのモデルは、医薬品発見プロセスをより透明性のあるものであり、低リスクで低コストなものにするでしょう。これにより、研究者は同じ予算と時間でより多くの薬物を発見できるようになります」とナム准教授は結論しています。