Close

DeepBAR : 단백질에 대한 약물 분자의 결합 친화도를 빠르게 계산하는 새로운 기술

DeepBAR : 단백질에 대한 약물 분자의 결합 친화도를 빠르게 계산하는 새로운 기술
  • Published3월 15, 2021

의약품은 표적 단백질에 달라 붙어 서로 달라 붙습니다. 어려운 작업은 접착 정도를 평가하는 것입니다.

DeepBAR라는 신기술 덕분에 과학자들은 후보 약물과 표적 간의 상관 관계를 신속하게 계산할 수 있습니다. MIT 과학자들은 화학과 기계 학습을 결합하여 접근 방식을 개발합니다.

DeepBAR는 짧은 시간 내에 정확한 계산을 제공합니다. 과학자들에 따르면 언젠가는 신약 발견과 단백질 공학의 속도를 가속화 할 수 있다고합니다.

화이자-루 바흐의 매사추세츠 공과 대학의 화학 경력 개발 교수 인 Bin Zhang은 다음과 같이 말했습니다. “약물 분자와 표적 단백질 사이의 친화력은 자유 에너지 결합이라는 양으로 측정됩니다. 숫자가 낮을수록 결합의 점성이 더 높습니다. 결합 자유 에너지가 낮을수록 약물이 다른 분자와 더 잘 경쟁 할 수 있습니다. 단백질의 정상적인 기능을보다 효과적으로 방해 할 수 있습니다. 후보 약물의 자유 결합 에너지를 계산하면 약물의 잠재적 효능을 알 수 있지만 정량화하기는 어렵습니다.

DeepBAR는 바운드 자유 에너지를 정확하게 계산하지만 이전 방법이 필요로하는 계산의 일부만 필요합니다. DeepBar의 “BAR”는 Bennett Acceptance Ratio의 약자입니다. Bennett 합격률은 결합 자유 에너지를 계산하는 데 사용되는 고대 알고리즘입니다. Bennet Acceptance Ratio를 사용하려면 일반적으로 “종말점”의 두 가지 상태 (예 : 단백질에 결합 된 약물 분자와 단백질에서 완전히 분리 된 약물 분자)에 대한 지식과 여러 중간 조건 (예 : 다른 부분 바인딩 수준), 각각 계산 속도를 방해합니다.

장은 말했다, DeepBAR는 심층 생성 모델이라고하는 머신 러닝 프레임 워크에 Bennett Acceptance Ratio를 게시하여 상태 간 상태를 차단합니다. 이러한 모델은 각 끝점, 바운드 상태 및 언 바운드 상태에 대한 참조 상태를 생성합니다.이 두 참조 상태는 Bennett Acceptance Ratio가 충분히 유사 할만큼 유사합니다. 비용이 많이 드는 중간 단계없이 직접 사용할 수 있습니다. “

매사추세츠 공과 대학 화학과의 박사후 연구원 인 Shenqiang Ding은 다음과 같이 말했습니다. “컴퓨터 비전 접근 방식을 화학에 적용하는 것이 DeepBAR의 DeepBAR의 주요 혁신 이었지만 교차 성도 몇 가지 문제를 제기했습니다. 이러한 모델은 원래 2D 이미지 용으로 개발되었습니다. 그러나 여기에는 단백질과 분자가 있습니다. 3D 구조입니다. 따라서 그것은 조건화였습니다. 이 방법은 우리의 경우 극복해야 할 가장 큰 기술적 과제입니다. “

작은 단백질 같은 입자로 테스트하는 동안 과학자들은 DeepBAR이 이전 방법보다 50 배 빠르며 금 표준과 동일한 정확도를 갖지만 훨씬 빠르다는 것을 발견했습니다.

READ  [제약계 소식] 9 월 3 일 - 의사 신문

장은 말했다, 이러한 효율성으로 우리는 특히 Covid의 맥락에서 약물 스크리닝에 이것을 사용하는 것에 대해 생각할 수 있습니다. 약물 스크리닝 외에도 DeepBAR는 여러 단백질 간의 상호 작용을 모델링하는 데 사용할 수있는 방법으로 단백질 설계 및 엔지니어링을 지원할 수 있습니다. “

앞으로 연구자들은 최근 컴퓨터 과학의 발전으로 가능해진 큰 단백질에 대한 수학적 연산을 수행하는 DeepBAR의 DeepBAR의 능력을 향상시킬 계획입니다.

이 연구는 오늘 Journal of Physical Chemistry Letters에 실 렸습니다.

Leave a Reply

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다