PLMCA：ポケット同定と結合親和性予測のための汎用マルチモーダルタンパク質-リガンドクロスアテンションフレームワーク

科学分野:

• 計算化学
• バイオインフォマティクス
• 創薬

背景:

• 正確な薬物-標的結合親和性（DTA）予測は、効率的な創薬に不可欠です。
• 配列、構造、物理化学的特性などの多様なデータ型を統合することは、依然として課題です。
• 実験アッセイ条件は、ノイズやバッチ効果をもたらす可能性があります。

研究 の 目的:

• 正確なDTA予測のためのマルチモーダルフレームワークPLMCAを開発すること。
• タンパク質配列埋め込み、3D幾何学的特徴、物理化学的記述子、リガンド分子グラフを含む様々なデータ表現を統一すること。
• 予測の堅牢性を向上させるために実験アッセイ条件を組み込むこと。

主な方法:

• PLMCAは、マルチモーダルタンパク質-リガンドクロスアテンションメカニズムを利用します。
• 2つの言語モデルからのタンパク質配列埋め込みを統合します。
• 3D幾何学的特徴、物理化学的記述子、リガンド分子グラフ、およびChEMBL実験アッセイ条件を組み込みます。

主要な成果:

• PLMCAは、PDBbind21データセットにおいて、KdおよびKi予測に関して、様々な分割で最先端の方法と比較して競争力のある、またはそれを上回る性能を達成しました。; ChEMBL_miniデータセットでは、PLMCAはR²値として0.531（IC50）、0.635（Kd）、および0.519（Ki）を達成しました。; PLMCAは強力なタンパク質結合ポケット予測を示し、未知のタンパク質設定で最大0.655のAUPRを達成しました。

結論:

• PLMCAは、マルチモーダルデータを効果的に統合し、DTA予測を強化します。
• このフレームワークは、親和性予測と結合ポケット同定の両方で有望です。
• PLMCAは、計算創薬における課題に対処するための堅牢なアプローチを提供します。