Deep GIST: タンパク質周辺の水分和熱力学分布予測のための深層学習モデル

科学分野:

• 計算化学および分子モデリング
• 生物物理学および構造生物学

背景:

• 水分和熱力学量は、自由エネルギー計算によるタンパク質機能の理解に不可欠である。
• グリッド不均一溶媒和理論（GIST）は、分子動力学（MD）シミュレーションから水分和エネルギーとエントロピー分布を計算するが、計算集約的である。

主な方法:

• 水分和エネルギー（ΔE_W(r)）、水分和エントロピー（TΔS_W(r)）、および水分和自由エネルギー（ΔG_W(r)）の空間分布を予測するために深層学習モデルを開発およびトレーニングした。
• タンパク質リガンド結合部位における熱力学量および水の置換による自由エネルギー変化（ΔG_W,replace）の予測に対して、GISTの結果と比較してDLモデルの予測を検証した。
• 代表的なタンパク質リガンド複合体の実験データと比較してDLモデルの予測を検証した。

結論:

• 開発された「Deep GIST」深層学習モデルは、水分和熱力学を予測するための効率的かつ正確な方法を提供する。
• このアプローチにより、従来のGISTでは困難なタンパク質のコンフォメーション変動を含めることができる。
• Deep GISTは、分子レベルでのタンパク質-リガンド相互作用およびタンパク質機能の研究に価値のあるツールを提供する。