PocketStruct：タンパク質ポケットの構造的特徴を統合したタンパク質-ペプチド結合予測

科学分野:

• 計算生物学
• 創薬
• 構造生物情報学

背景:

• ペプチドは、毒性が低く、結合インターフェースが小さいため、有望な創薬候補となります。
• ペプチド-タンパク質結合の予測は、創薬において重要です。
• 現在の方法では、配列情報のみに依存することが多く、重要な構造的洞察を見逃している可能性があります。

研究 の 目的:

• ペプチド-タンパク質結合予測モデルへのタンパク質ポケット構造情報の統合の影響を評価すること。
• 統一されたフレームワーク内で異なる構造エンコーダーのパフォーマンスを比較すること。
• 構造を認識するモデルの新規データに対する堅牢性を評価すること。

主な方法:

• タンパク質ポケット構造データを統合するための相互注意を備えたトランスフォーマーベースのフレームワークを開発しました。
• SE(3)-Transformer、ProtGVP（幾何学的グラフニューラルネットワーク）、ESM-IF1（大規模構造ベースの事前学習済みモデル）の3つのポケット構造エンコーダーを体系的に比較しました。
• トレーニングセットとテストセットを厳密に分離した厳密なデータ分割を採用しました。

主要な成果:

• ポケット構造情報の組み込みは、配列のみのモデルと比較して、結合予測精度を一貫して向上させました。
• ProtGVPは特に効果的なポケット表現を実証しました。
• 構造ベースのモデルバリアントは、以前は見られなかったデータに対する予測において、より優れた堅牢性を示しました。

結論:

• タンパク質ポケット構造は、ペプチド-タンパク質結合予測精度を向上させるための重要な特徴です。
• ProtGVPのような幾何学的深層学習モデルは、構造情報を表現するために大きな可能性を示しています。
• 構造を認識するモデルは、創薬アプリケーションにおいて、一般化と堅牢性の向上を提供します。