TDP-43凝集阻害剤のハイブリッド機械学習フレームワークによる発見

科学分野:

• 神経科学
• 計算化学
• 創薬

背景:

• TDP-43凝集は、ALSやFTDなどの神経変性疾患の中心です。
• TDP-43タンパク質症の現在の治療法は不足しており、新規治療戦略が必要とされています。

研究 の 目的:

• TDP-43凝集を阻害する低分子を特定するためのハイブリッド機械学習アプローチを開発および適用すること。
• TDP-43タンパク質症の新規治療候補を発見すること。

主な方法:

• GNN埋め込み、化学記述子、およびターゲットアノテーションを統合したハイブリッド機械学習モデルが開発されました。
• SHAP分析とモンテカルロ木探索を備えたXGBoost分類器が、主要な特徴と部分構造を特定しました。
• 外部の3,853個の低分子ライブラリをスクリーニングし、続いて分子ドッキングと実験的検証を行いました。

主要な成果:

• モデルは、TDP-43凝集の潜在的な阻害剤としてベルベリンとPE859を特定しました。
• 両化合物は、TDP-43 RRMドメインへの良好な結合を示しました。
• 実験的検証により、細胞モデルにおけるTDP-43凝集の減少と、PE859のC. elegansモデルにおける表現型の改善が確認されました。

結論:

• ハイブリッド機械学習戦略は、神経変性疾患の低分子創薬を効果的に加速します。
• ベルベリンとPE859は、TDP-43タンパク質症の有望な治療候補を表します。
• このアプローチは、タンパク質凝集メカニズムを標的とする新規化合物の同定を容易にします。