タンパク質-リガンド結合ダイナミクス学習のためのマルチグレイン対称微分方程式モデル

科学分野:

• 計算化学
• 生物物理学
• 創薬

背景:

• 分子動力学（MD）シミュレーションは、創薬においてタンパク質-リガンド結合親和性とダイナミクスを予測するのに役立つため、極めて重要です。
• 既存の数値的および機械学習（ML）方法はMDの効率を改善しましたが、長時間のダイナミクスのモデリングは依然として大きな課題です。

研究 の 目的:

• タンパク質-リガンド結合のためのMDシミュレーションを加速および強化するように設計された新しいMLサロゲートであるNeuralMDを導入すること。
• 現在の方法における複雑な分子ダイナミクスの正確なキャプチャの限界に対処すること。

主な方法:

• NeuralMDは、物理学に基づいたマルチグレイン、グループ対称フレームワークを利用しています。
• タンパク質-リガンド相互作用のマルチレベル解析のためのBindingNetと、ニュートン軌道を学習するための拡張ニューラル微分方程式ソルバーで構成されています。

主要な成果:

• NeuralMDは、複数のシミュレーションタスクにおいて、既存のMLベースラインと比較して最大15倍低い再構成誤差と70%高い妥当性を示しました。
• 予測された分子振動は、真のダイナミクスと密接に一致し、高い精度を示しました。

結論:

• NeuralMDは、創薬におけるMDシミュレーションの精度と効率を大幅に進歩させます。
• タンパク質-リガンド相互作用モデリングとシミュレーションにおける将来の研究のための堅牢な基盤を提供します。