タンパク質言語モデルの知識蒸留による基礎的な陰解離媒質モデルの構築

科学分野:

• 計算化学
• 生物物理学
• 構造生物学

背景:

• 陰解離媒質モデル（ISM）は、計算コストを低く抑えながら、陽解離媒質と同等の精度を目指しています。
• 現在のISMは、タンパク質の折り畳みや本質的に無秩序なタンパク質に対する精度に苦労しています。
• 適用可能なデータ駆動型ISMの開発は、重要な課題です。

研究 の 目的:

• 新規のデータ駆動型陰解離媒質モデルを開発すること。
• 従来の解析的ISMの限界を克服すること。
• 折り畳まれたタンパク質と無秩序なタンパク質の両方に統一モデルを作成すること。

主な方法:

• タンパク質言語モデル（ESM3）からグラフニューラルネットワーク（GNN）へ進化情報を蒸留しました。
• ESM3からの有効エネルギーに基づいてGNNポテンシャルを訓練しました。
• GNNポテンシャルと標準的な静電項を組み合わせて分子動力学シミュレーションを行いました。

主要な成果:

• GNNポテンシャルは、安定した長時間の分子動力学シミュレーションを駆動します。
• ハイブリッドモデルは、タンパク質の折り畳み自由エネルギーランドスケープを正確に再現します。
• モデルは、本質的に無秩序なタンパク質の構造アンサンブルをうまく予測します。
• 折り畳まれたタンパク質状態と無秩序なタンパク質状態の両方に適用可能な単一の統一モデルを達成しました。

結論:

• 進化データを活用した新規ISMは、タンパク質の折り畳みと無秩序なタンパク質に対して正確なシミュレーションを提供します。
• このアプローチは、従来のISMの長年の限界を解決します。
• このモデルは、計算化学における予測的かつ大規模なシミュレーションツールの開発を加速します。