深層学習技術を用いた動的情報からの化合物ータンパク質結合親和性の抽出

点击翻译按钮获取中文摘要

令和4年度は親和性予測のための深層学習モデル構築のための親和性情報の収集及び一部データについてMD計算による動的情報の生成を進めた。以下に詳細を示す。1．データ準備として公共データベースBindingDBから、既に化合物との複合体立体構造と結合親和性の両方が決定されている例を抽出し、3,259種のタンパク質―化合物ペアを得た。さらに以下の手順で初期検討のための小規模データセット作成を行った; 1. リガンドsmilesが重複した例の除去 2. リン酸化Tyrなど修飾アミノ酸を持つタンパク質を除去, 3. 金属イオンが配位しているタンパク質を除去 4. 補酵素が結合しているタンパク質を除去。また今回のデータセット作成では簡便にMD計算を実施するため、1つのポリペプチド鎖で構成されているタンパク質を計算対象とした。このうち、入力情報がバラエティに富むようにmMからnMの範囲の親和性を持つタンパク質―化合物情報を偏りのないように手動で抽出し、32種のタンパク質―化合物ペアを小規模学習データセットとして得た。令和5年度以降のデータセット拡大では上記手順で除外したタンパク質―化合物ペアから適切な計算対象を再度選抜することにする。2．小規模学習データセットのすべてについて、MD入力ファイルの準備を行い、100ナノ秒の全原子MD計算を5つの独立した初速度で実施した。MDエンジンとしてGROMACSを用い、化合物の力場パラメータは量子化学計算プログラムGAMESSを利用して準備した。