CreoPep：標的特異的なコノトキシンペプチドの設計と最適化のための深層学習フレームワーク

科学分野:

• 生化学
• 計算生物学
• 創薬

背景:

• コノトキシンは、イオンチャネルおよび受容体に対して高い親和性と選択性を持つペプチドです。
• コノトキシンを用いた治療薬開発は、天然の多様性が低く、エンジニアリングが複雑であるという限界があります。

研究 の 目的:

• コノトキシンを設計するための深層学習フレームワークであるCreoPepを提示すること。
• 特定の受容体を標的とする構造的および機能的に多様なコノトキシンバリアントを生成すること。

主な方法:

• マスク言語モデリングと段階的マスキングを統合した深層学習フレームワーク（CreoPep）を利用しました。
• 物理ベースのエネルギーフィルタリングと温度制御多項サンプリングを備えた拡張パイプラインを採用しました。
• 薬理学的特徴を保持したペプチドバリアントを生成し、それらの結合モードを分析しました。

主要な成果:

• CreoPepは、保存されたおよび新規の結合モードを持つ多様なコノトキシンバリアントを生成しました。
• ジスルフィド欠損コノトキシンバリアントを発見しました。
• 潜在的な治療用途を持つコノトキシンを設計することに成功しました。

結論:

• CreoPepは、合理的なコノトキシン設計のための強力な計算実験フレームワークです。
• このアプローチは、コノトキシンエンジニアリングの限界を克服し、治療の可能性を拡大します。
• このフレームワークは、他のペプチドファミリーの設計にも適応可能です。