人工知能による配列生成から分子シミュレーション:抗菌ペプチド発見のための包括的な枠組み
Chunsuo Tian1, Yuelei Hao1, Haohao Fu1,2
1Research Center for Analytical Sciences, College of Chemistry, Tianjin Key Laboratory of Biosensing and Molecular Recognition, State Key Laboratory of Medicinal Chemical Biology, Nankai University, Tianjin 300071, China.
Journal of chemical information and modeling
|August 29, 2025
まとめ
研究者は新しい抗菌ペプチド (AMP) を発見するために,ディープラーニングと分子シミュレーションを組み合わせた新しい計算方法を開発しました. このアプローチは,耐性細菌に対して有効な2つの強力なAMPを成功裏に特定し,将来の薬剤発見に費用対効果の高い戦略を提供しました.
科学分野:
- コンピューター化学と薬剤開発
- 抗菌ペプチドの研究
- バイオインフォマティクスと機械学習アプリケーション
背景:
- 既存の抗生物質に対する バクテリアの耐性は 世界的に広がる健康上の脅威です
- 抗菌ペプチド (AMP) は有望ですが,臨床翻訳では課題に直面しています.
- ディープ・ラーニングは新しいAMPをデザインするための新しい道を開きます.
研究 の 目的:
- 体系的なAMP設計とスクリーニングのための統合コンピューティングフレームワークの開発と検証.
- 抗菌作用の可能性のある新しいAMP候補を特定する.
- AMP発見のための費用対効果の高い戦略を確立する.
主な方法:
- 候補AMP配列を生成するために,文字列ベースの生成対抗ネットワーク (GAN) を利用した.
- PGAT-ABPpの差別的なネットワークと物理化学分析を予備スクリーニングに使用した.
- 膜相互作用を評価するための分子動力学シミュレーションを行い,インビトロ試験のための有望な候補を合成した.
主要な成果:
- 50の候補AMP配列を生成し,最初のスクリーニング後に9の潜在的な候補を特定しました.
- 分子シミュレーションは,選択された2つのペプチドの細菌膜における水孔形成を示した.
- 合成されたペプチドは,グラム陰性 (E. coli) とグラム陽性 (S. aureus) の細菌に対するインビトロの有効性を示した.
結論:
- 統合コンピューティング・フレームワークは,臨床的に重要な2つの抗菌ペプチドを成功裏に発見しました.
- 特定されたAMPは,主要な細菌の病原体に対する幅広い活性を示しています.
- この研究は,AMPの発見を加速するための費用対効果が高く,広く適用可能な計算戦略を検証しています.
