分子動力学からのタンパク質のモジュラーサブ構造を明らかにする新しいAIフレームワーク、DynMoCo

科学分野:

• 生体物理学
• 計算生物学
• 構造生物学

背景:

• タンパク質の機能は、その動的な構造変化と本質的に結びついています。
• 静的なタンパク質構造は、限定的なメカニズムの洞察しか提供しません。
• 分子動力学（MD）シミュレーションは、原子レベルの詳細を提供しますが、複雑で高次元のデータを生成します。
• 従来の解析方法は、局所的で機能的に重要なタンパク質の動きを見逃すことがよくあります。

研究 の 目的:

• MDシミュレーションからのタンパク質ダイナミクスを解析するための新しい深層学習フレームワーク、DynMoCoを開発すること。
• 一貫した動きまたは機能的な結合を示す残基または原子の動的なコミュニティを特定および追跡すること。
• 複雑な生体分子システムのダイナミクスを理解するための解釈可能な方法を提供すること。

主な方法:

• DynMoCoは、グラフ畳み込みネットワークとリカレントモデルを統合して、分子グラフ上のエンドツーエンドの動的コミュニティ検出を行います。
• タンパク質は時間とともに進化するグラフとしてモデル化され、ソーシャルネットワーク科学に着想を得たコミュニティ検出を可能にします。
• このフレームワークは、空間的に接地されたサブ構造を特定し、その時間的進化を追跡し、物理的に意味のある構造知識を組み込みます。

主要な成果:

• DynMoCoは、シミュレーション中のタンパク質ドメイン内のモジュラーサブ構造を正常に特定します。
• この方法は、インテグリンシステムで実証された、外力に対する構造的再編成を特徴付けます。
• MDデータの解析は、モジュラーダイナミクスの解釈可能な表現に変換されます。

結論:

• タンパク質は、MDデータからの解析が困難な、動的で局所的に調整された動きによって機能します。
• DynMoCoは、タンパク質内の機能的に関連する動的なコミュニティを特定および追跡するための新しい深層学習アプローチを提供します。
• このツールは、分子運動が生体機能をどのように駆動するかについてのメカニズムの洞察の発見を強化します。