Binder2030：AI駆動型創薬を可能にする定量的膜プロテオーム結合データセット

科学分野:

• 生化学
• 薬理学
• 計算生物学

背景:

• 膜タンパク質は重要な治療標的ですが、包括的な定量的リガンド結合データが不足しています。
• 既存のデータセットは標準化が欠けていることが多く、比較分析や創薬の取り組みを妨げています。

研究 の 目的:

• 低分子リガンドと膜貫通タンパク質の相互作用に関するキュレーションされたデータセットであるBinder2030を確立すること。
• 多様な標的クラス全体にわたる比較分析のための標準化された解離定数（Kd）測定値を提供すること。
• 創薬および構造ベースモデリングにおける下流アプリケーションを容易にすること。

主な方法:

• 膜画分に対するバインダー選択技術（BST）を用いたアフィニティー選択質量分析（ASMS）。
• 標準化されたKd測定値、化学識別子キュレーション、および標的アノテーション。
• 外部検証のための活性アノテーションを持つPubChemオーバーラップサブセットの開発。

主要な成果:

• Binder2030データセットには、約400の膜貫通タンパク質（GPCR、SLC、イオンチャネル）を標的とする3,384の低分子リガンドが含まれています。
• 標準化されたKd値により、標的クラス全体にわたる親和性分布と化学空間の分析が可能になります。
• 構造ベースモデリングとの統合が実証され、予測された効力を実験的な親和性と比較しました。

結論:

• Binder2030は、膜タンパク質に関する定量的リガンド結合データを大幅に拡張します。
• データセットおよび関連ツールは、比較分析をサポートし、新規治療薬の発見を加速します。
• 実験的親和性と計算予測をリンクすることにより、構造ベースの創薬を容易にします。