ドッキングヒットの結合分類におけるBoltz-2のパフォーマンス評価

科学分野:

• 計算化学
• 構造生物学
• 創薬

背景:

• Boltz-2コフォールディングモデルは、タンパク質-リガンド相互作用の予測に新しい機能を提供します。
• 結合親和性の正確な予測は、効率的な創薬に不可欠です。
• 信頼性の高いアプリケーションには、困難なデータセットでのモデルパフォーマンスの評価が不可欠です。

研究 の 目的:

• Boltz-2コフォールディングモデルのパフォーマンスを、超大規模仮想スクリーニングヒットの困難なデータセットで評価すること。
• 生物学的摂動によってBoltz-2の親和性予測の信頼性を検証すること。
• Boltz-2の予測が物理的原理に基づいているか、潜在的に隠れた特徴に基づいているかを判断すること。

主な方法:

• タンパク質-リガンド構造と結合親和性を予測するためにBoltz-2モデルを適用しました。
• 仮想スクリーニングにおける真陽性と偽陽性を区別するBoltz-2の能力をテストしました。
• ターゲット変異およびターゲットシャッフリング実験に対する親和性予測の堅牢性を評価しました。

主要な成果:

• Boltz-2は、ドッキングポーズから真陽性を特定する上で、既存のスコアリング関数を大幅に上回りました。
• 親和性予測は、ポーズの質や化学的類似性とはほとんど独立していました。
• モデルのパフォーマンスは、主要な結合部位の変異やターゲット交換に対して鈍感なままであり、潜在的な問題を示唆しています。

結論:

• Boltz-2はポーズの識別において強力なパフォーマンスを示しますが、親和性予測の物理的根拠に関して懸念が生じます。
• 生物学的摂動に対するモデルの鈍感さは、それが非物理的特徴に依存している可能性を示唆しています。
• 信頼性の高い創薬のためにBoltz-2の親和性予測を駆動する根本的なメカニズムを理解するためには、さらなる調査が必要です。