AI駆動の 子宮内膜がん向けペプチド発見：ビッグデータ時代における深層生成モデリングと分子シミュレーション

科学分野:

• 腫瘍学
• 計算化学
• 創薬

背景:

• 子宮内膜がん（EC）の治療には新しい戦略が必要です。
• AKT1、ESR1、コネキシン43、およびCTNNB1などの主要タンパク質の標的化は、EC治療にとって重要です。
• 人工知能（AI）と分子モデリングを統合することで、新しい抗がん剤の発見を加速できます。

主な方法:

• 深層強化学習（DRL）、敵対的生成ネットワーク（GAN）、および変分オートエンコーダー（VAE）を組み合わせた生成パイプラインを利用しました。
• 14,200を超えるペプチド様構造を生成し、薬物様性と構造基準でフィルタリングしました。
• スクリーニングと検証のために、深層学習強化ドッキング、分子動力学（MD）シミュレーション、およびWaterSwap自由エネルギー計算を採用しました。
• 薬物動態特性と毒性を評価するためにADMET予測を実施しました。

結論:

• AI駆動型パイプラインは、治療候補の迅速な同定のためにペプチド化学空間を効率的に探索します。
• 開発されたペプチドベースおよびペプチドミメティック阻害剤は、EC標的に対して強力な結合親和性と安定性を示します。
• AI支援型ペプチド設計は、次世代の子宮内膜がん治療薬のためのスケーラブルで費用効果の高い戦略を提供します。