CoBRA: RNA言語モデルを用いた化合物結合部位予測

科学分野:

• 生化学
• 計算生物学
• 創薬

背景:

• リボ核酸（RNA）は、細胞機能において重要な役割を果たし、数多くのヒト疾患に関与しています。
• タンパク質の druggability が限られているため、低分子でRNAを標的とすることは、有望な治療戦略を提示します。

研究 の 目的:

• RNA分子上の低分子結合部位の正確な予測のための計算ツールの開発。
• 結合部位予測におけるRNA言語モデルを利用した深層学習アプローチの有効性の評価。

主な方法:

• CoBRA（Compound Binding Site Prediction for RNA）の導入。これは軽量な深層学習プログラムです。
• 構造情報を必要とせずに、事前学習済みRNA言語モデルからの残基レベルの埋め込みを利用しました。
• ニューロンネットワーク分類器を使用して、ヌクレオチド結合部位の二項分類を行いました。

主要な成果:

• CoBRAは、既存の手法と比較して、Matthew相関係数で22.1%、感度で45.6%の相対的な改善を達成しました。
• 配列ベースの言語モデル埋め込みは、構造ベースの予測手法に匹敵するか、それを超えるパフォーマンスを示しました。
• このモデルはTR60およびHARIBOSSデータセットでトレーニングされ、4つの独立したベンチマークセットで検証されました。

結論:

• CoBRAは、構造データを必要とせずにRNA-薬物結合部位を予測するための柔軟で効果的なツールを提供します。
• この配列ベースのアプローチは、RNA標的治療薬の開発を進歩させます。
• この発見は、RNA-リガンド相互作用の理解における言語モデルの可能性を強調しています。