BOLD-GPCRs：クラスA GPCRにおけるリガンドの生物学的活性および変異効果を予測するTransformerベースのアプリ

科学分野:

• 薬理学
• 計算生物学
• 創薬

背景:

• Gタンパク質共役受容体（GPCR）は、多くの疾患に関与する重要な創薬標的です。
• 従来の創薬方法は、広範なリガンドまたは構造データを持たないGPCRに苦労しています。
• GPCRファミリー全体、特に過小評価されているサブタイプのリガンドの生物学的活性を正確に予測するための高度な戦略が必要です。

研究 の 目的:

• BOLD-GPCRs、クラスA GPCRにおけるリガンドの生物学的活性予測を強化するための深層学習フレームワークを紹介します。
• BOLD-GPCRsフレームワークにアクセスするためのユーザーフレンドリーなWebインターフェイスを提供します。
• GPCR創薬の改善のために、転移学習とキュレーションされたデータセットを活用します。

主な方法:

• 深層学習を使用してBOLD-GPCRs（BERT最適化リガンド発見GPCR用）を開発しました。
• トランスフォーマーベースのタンパク質言語モデルと密なニューラルネットワーク分類器を統合しました。
• クラスA GPCRリガンド、受容体配列、および変異のキュレーションされたデータセットを利用しました。

主要な成果:

• BOLD-GPCRsは、クラスA GPCR全体のリガンドの生物学的活性に対して堅牢な予測性能を示します。
• このフレームワークは、リガンド活性に対する受容体変異の効果を正確に予測します。
• 特に特徴が乏しいGPCRサブタイプに対して、強力な結果を達成しました。

結論:

• BOLD-GPCRsは、GPCRリガンド発見を強化するための貴重なツールです。
• このフレームワークは、過小評価されているGPCRを標的とする治療薬の特定に大きな可能性を示しています。
• 深層学習アプローチは、GPCR標的創薬のための高度なソリューションを提供します。