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

使用深度学习技术从动态信息中提取化合物-蛋白质结合亲和力

• 批准号: 22K06112
• 负责人: 松本 篤幸
• 金额: $ 2.66万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K06112/
• 关键词: 分子動力学計算; 親和性予測; 深層学習; 結合親和性予測; 低分子化合物

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。

2020财年，我们收集了亲和力信息，用于构建亲和力预测的深度学习模型，并使用一些数据的MD计算生成动态信息。详细信息如下所示。 1.为了准备数据，我们从公共数据库 BindingDB 中提取了示例，其中复合物的三维结构和与化合物的结合亲和力均已确定，并获得了 3,259 个蛋白质-化合物对。此外，我们使用以下步骤创建了一个用于初步研究的小规模数据集： 1. 去除重复的配体微笑 2. 去除具有修饰氨基酸（例如磷酸化酪氨酸）的蛋白质， 3. 金属离子的配位 4. 去除蛋白质哪些辅酶被结合。此外，在创建该数据集时，为了方便地进行MD计算，我们针对的是由一条多肽链组成的蛋白质。其中，我们手动提取了mM到nM范围内的亲和力的蛋白质-化合物信息，使得输入信息丰富多样，并获得了32对蛋白质-化合物对作为小规模训练数据集。从2020财年开始扩大数据集时，我们将从上述过程中排除的蛋白质-化合物对中重新选择适当的计算目标。 2.对于所有小规模训练数据集，准备了 MD 输入文件，并在五个独立的初始速度下执行 100 纳秒全原子 MD 计算。使用GROMACS作为MD引擎，使用量子化学计算程序GAMESS准备化合物的力场参数。

项目成果

Extracting protein dynamics from experimental cryo-EM maps using a machine learning technique combining with MdD simulations

使用机器学习技术结合 MdD 模拟从实验冷冻电镜图中提取蛋白质动力学

• 发表时间: 2022
• 作者: Shigeyuki Matsumoto