SVSBI: 시퀀스

커뮤니케이션 생물학 6권, 기사 번호: 536(2023) 이 기사 인용

549 액세스

6 알트메트릭

측정항목 세부정보

가상 스크리닝(VS)은 특히 약물 설계 및 발견에서 생체분자 상호작용을 이해하는 데 중요한 기술입니다. 그러나 현재 VS 모델의 정확도는 분자 도킹을 통해 얻은 3차원(3D) 구조에 크게 의존하며, 정확도가 낮아 종종 신뢰할 수 없습니다. 이 문제를 해결하기 위해 고급 자연어 처리(NLP) 알고리즘과 최적화된 심층 K-임베딩 전략을 활용하여 3D 구조 기반에 의존하지 않고 생체 분자 상호 작용을 인코딩하는 또 다른 세대의 VS 모델인 시퀀스 기반 가상 스크리닝(SVS)을 도입합니다. 도킹. 우리는 SVS가 단백질-리간드 결합, 단백질-단백질, 단백질-핵산 결합 및 단백질-단백질 상호 작용의 리간드 억제와 관련된 4가지 회귀 데이터 세트와 단백질-단백질 상호 작용에 대한 5가지 분류 데이터 세트에 대해 최첨단 성능을 능가한다는 것을 입증합니다. 다섯 가지 생물학적 종에서. SVS는 약물 발견 및 단백질 공학 분야의 현재 관행을 변화시킬 수 있는 잠재력을 가지고 있습니다.

생체분자는 생명의 구성 요소이며 크기, 구조, 물리화학적 특성 및/또는 생물학적 기능에 따라 탄수화물, 지질, 핵산, 단백질 등 다양한 범주로 분류될 수 있습니다. 또한, 생체분자 기능의 실현은 종종 다른 생물학적 분자, 작은 리간드, 이온 및/또는 보조인자와의 직접적인 물리적/화학적 상호작용을 동반합니다1. 이러한 상호 작용은 유연성과 알로스테리로 인해 3차원(3D) 구조와 분자 역학은 물론 생체 분자 구조 변화에 크게 의존합니다. 생체분자 상호작용에 대한 이해는 생물학의 성배입니다.

지난 10년 동안 인공 지능(AI)의 성취와 컴퓨터 성능 향상에 힘입어 컴퓨터 생물학이 급속히 발전했습니다. 데이터 수집, 처리, 분석 및 표현의 고급 기술을 통해 현대 컴퓨터 생물학은 놀라운 규모와 다차원에서 생물학적 과정을 연구할 수 있습니다. 다양한 생물학적 작업2,3,4에서 큰 성공을 거두었습니다. 첨단 AI 접근법을 통해 생체분자 상호작용을 이해하는 능력은 신약 발견3, 바이러스 예방5, 지향적 진화4 등을 포함한 광범위한 연구 분야에서 광범위한 의미를 갖습니다. 그러나 생체분자 상호작용에 대한 정확하고 신뢰할 수 있는 예측은 여전히 ​​어려운 문제입니다. 도전.

구조 정보와 분자 기능 사이의 본질적으로 높은 상관 관계로 인해 구조 기반 접근 방식은 생체 분자 상호 작용 모델링 및 학습에서 높은 정확성과 신뢰성을 달성했습니다. 결과적으로, 현재 생체분자 상호작용에 대한 분석과 예측은 상호작용형 생체분자 복합체의 고품질 3D 구조에 크게 의존하고 있습니다. 불행하게도 3D 구조의 실험적 결정은 시간이 많이 걸리고 비용이 많이 들기 때문에 실험 구조, 특히 대화형 생체분자 복합체의 구조가 부족합니다. 이러한 어려움을 극복하기 위해 검색 및 채점 알고리즘을 기반으로 하는 분자 도킹은 항체-항원 복합체 및 단백질-리간드 복합체와 같은 대화형 복합체의 3D 구조를 생성하도록 설계되었습니다. 분자 도킹은 생체분자 상호작용의 가상 스크리닝(VS)에 널리 통합되어 대화형 생체분자 복합체의 3D 구조를 구성하는 대체 수단을 제공하며 컴퓨터 지원 약물 발견(CADD)의 중요한 단계입니다. 그러나 현재의 분자 도킹은 실수가 발생하기 쉽고 부정확한 3D 구조를 렌더링하고 신뢰할 수 없는 가상 스크리닝으로 이어집니다. Alphafold22에 의한 (비대화형 단일) 단백질 접힘 예측의 획기적인 발전에도 불구하고, 상호작용형 생체분자 복합체의 구조 예측은 여전히 ​​심각한 과제로 남아 있습니다. 생체분자 상호작용의 가상 스크리닝을 위한 혁신적인 전략을 개발하는 것이 절실히 필요합니다.