プロテアーゼ基質のディープラーニング誘導設計

科学分野:

• 生化学
• 計算生物学
• 酵素学

背景:

• プロテアーゼは、様々な生物学的プロセスや疾患に関与する重要な酵素です。
• プロテアーゼ基質の同定は、プロテアーゼ機能の理解と診断/治療薬の開発に不可欠です。
• 現在の基質設計は、広大な配列空間とハイスループットツールの欠如によって制限されています。

研究 の 目的:

• 効率的で調整可能なプロテアーゼ基質設計のためのAIパイプライン、CleaveNetを開発すること。
• プロテアーゼ基質同定のスケールと精度を向上させること。
• 特定の切断プロファイルを持つ基質の標的設計を可能にすること。

主な方法:

• プロテアーゼ基質設計のためのエンドツーエンドAIパイプラインであるCleaveNetを開発しました。
• CleaveNetをマトリックスメタロプロテイナーゼ（MMP）に適用して基質を生成しました。
• 望ましい切断プロファイルを持つ基質の制御された生成のために、条件付けタグを組み込みました。
• CleaveNet生成基質を大規模なinvitroスクリーニングによって検証しました。

主要な成果:

• CleaveNetは、望ましい生物物理学的特性を持つペプチド基質を正常に生成しました。
• 標的プロテアーゼの既知および新規の切断モチーフを特定しました。
• MMP13を例として、高度に選択的な基質の設計に成功したことを示しました。
• 実験的検証により、CleaveNet生成基質の有効性が確認されました。

結論:

• CleaveNetは、プロテアーゼ基質設計の効率、スケール、および調整可能性を大幅に向上させます。
• AIパイプラインは、複雑な切断モチーフを捉え、標的基質生成を可能にします。
• CleaveNetは、プロテアーゼベースの診断と治療における研究開発を加速する可能性を示しています。
• このアプローチは、多様な酵素クラスにわたるin silico設計ツールの道を切り開きます。