薬剤発見のための迅速かつ信頼性の高いNMRベースの断片スコア

科学分野:

• 生化学と構造生物学
• 薬剤化学
• バイオ物理学

背景:

• Fragment-Based Drug Discovery (FBDD) は,タンパク質標的に対する分子断片をスクリーニングすることによって,新しい治療法を特定します.
• 核磁気共振 (NMR) スペクトロスコピーは,FBDDにおける弱いタンパク質-リガンドの相互作用を検出するために不可欠です.
• 結合親和度 (K_D) を測定するための従来型のNMR方法は,時間がかかり,労働密集的です.

研究 の 目的:

• FBDDにおける断片スコア付けのための革新的で効率的な方法を開発する.
• NMRを用いた断片結合親和度 (K_D) の定量化を加速する.
• マシン・ラーニングとNMRを統合し,ヒットからリードへのコンパウンド移行を高速化します.

主な方法:

• 弱いタンパク質とリガンドの相互作用を敏感に検出するためのSHARPER NMR技術を開発した.
• 最小限のSHARPER定位データポイントを使用して断片の親和度をランク付けする機械学習モデルを実装しました.
• 機械学習によるSHARPER NMRを"ML-boosted H LB SHARPER NMR"メソッドに統合した.

主要な成果:

• SHARPER NMR技術は,K_D測定のデータ取得時間を大幅に短縮します.
• MLで強化された方法は,2つの定位点のみを使用して断片の親和度を正確にランク付けします.
• 一日間で最大144のリガンドK_D値が決定され,従来の方法よりも大幅に改善されました.

結論:

• ML-boosted H LB SHARPER NMRメソッドは,FBDDにおいてかなりの時間の節約をもたらす.
• このアプローチは断片結合の評価を加速し,早期の薬剤発見においてより迅速な意思決定を可能にします.
• 方法論は,最初の断片ヒットから鉛化合物への移行を簡素化します.