構造強化型深層学習によるステロイド様小分子ファミリー向けアプタマー選択の加速
Zibin Zhao1, Haosi Lin1, Hoi Ying Lau1
1Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, Hong Kong SAR 999077, China.
Briefings in bioinformatics
|December 22, 2025
まとめ
変分オートエンコーダー（VAE）を用いて初期ライブラリの設計と結果の解析に深層学習を活用することで、アプタマー発見を高速化する深層学習支援SELEX（DL-SELEX）を紹介します。この新しい手法は、アプタマーの親和性を大幅に向上させ、選択ステップを削減します。
科学分野:
- バイオテクノロジー
- 計算生物学
- 分子生物学
背景:
- 系統的進化リガンド指数的濃縮（SELEX）は、高親和性アプタマーを発見するために不可欠です。
- 初期アプタマーライブラリの設計と広大な配列空間のナビゲーションは、SELEXにおける重要な課題です。
- 現在のSELEX法は、小分子アプタマーの効率と合理的な設計において限界に直面しています。
主な方法:
- 変分オートエンコーダー（VAE）を利用した2段階フレームワーク、DL-SELEXを開発しました。
- 転移学習を用いて、調整された初期アプタマープール生成のためにAptaVAEを使用しました。
- 次世代シーケンシングデータから、コンセンサス構造的特徴を捉えることにより高性能アプタマーを特定するためにAptaCluxを使用しました。
結論:
- DL-SELEXは、アプタマー発見を合理化するための効果的で一般化可能な戦略を提供します。
- このアプローチは、挑戦的な小分子に対する高親和性アプタマーの de novo 設計を可能にします。
- 深層学習の統合は、小分子アプタマー選択のためのSELEXワークフローを大幅に進歩させます。
