藥物發(fā)現(xiàn)的一個重要方面涉及確定藥物與其靶(蛋白質(zhì))分子的結(jié)合程度。通常，此步驟涉及在稱為“對接”的過程中以各種配置對齊藥物的 3D 結(jié)構(gòu)及其靶蛋白。然后通過對特定目標(biāo)分子的多種候選藥物反復(fù)運(yùn)行對接模擬來發(fā)現(xiàn)優(yōu)選的結(jié)合位點(diǎn)。通常，由于潛在藥物-靶標(biāo)相互作用的潛在候選者數(shù)量眾多，因此使用深度學(xué)習(xí)模型進(jìn)行此類模擬。然而，使用此類模型的一個問題是難以解釋其預(yù)測。雖然深度學(xué)習(xí)確實(shí)有助于快速發(fā)現(xiàn)藥物，但它只不過是一個黑匣子。此外，
在最近發(fā)表在化學(xué)信息學(xué)雜志上的一項(xiàng)研究中，副教授 Hojung Nam 和她的博士學(xué)位。來自韓國光州科技學(xué)院的學(xué)生 Ingoo Lee 開發(fā)了一種新的深度學(xué)習(xí)模型，稱為“目標(biāo)序列亮點(diǎn)”(HoTS)，用于預(yù)測藥物與目標(biāo)分子之間的結(jié)合。新模型不僅做出了更好的預(yù)測，而且更有趣的是，它以一種可解釋的方式做到了。此外，該模型無需模擬或 3D 結(jié)構(gòu)即可預(yù)測藥物-靶標(biāo)相互作用 (DTI)。
團(tuán)隊(duì)是如何實(shí)現(xiàn)這一壯舉的?Nam 教授解釋了他們的藥物-靶點(diǎn)相互作用預(yù)測模型是如何工作的：“首先，我們使用先驗(yàn)知識明確地教導(dǎo)模型蛋白質(zhì)序列的哪些部分將與藥物相互作用。然后利用訓(xùn)練后的模型來識別和預(yù)測藥物和藥物之間的相互作用。 “目標(biāo)蛋白，提供更好的預(yù)測性能。利用這個，我們建立了一個模型，可以預(yù)測目標(biāo)蛋白的結(jié)合區(qū)域及其與藥物的相互作用，而無需 3D 復(fù)合物。”
該模型可以僅根據(jù)與 DTI 相互作用相關(guān)的蛋白質(zhì)部分進(jìn)行預(yù)測，而不是處理蛋白質(zhì)序列的完整長度。“我們教會了模型‘聚焦’的地方，以確保它能夠理解蛋白質(zhì)的重要??子區(qū)域，以預(yù)測其與候選藥物的相互作用，”Nam 教授詳細(xì)說明。這反過來又使模型能夠比現(xiàn)有模型更準(zhǔn)確地預(yù)測 DTI。
考慮到該模型不需要有關(guān) 3D 結(jié)構(gòu)的信息并提供易于理解的預(yù)測，本研究的結(jié)果為進(jìn)一步對接模擬以預(yù)測靶向治療的新候選藥物提供了一個良好的起點(diǎn)，從而加速了該領(lǐng)域的進(jìn)步。“我們研究中使用的模型將使藥物發(fā)現(xiàn)過程更加透明、低風(fēng)險(xiǎn)和低成本。這將使研究人員能夠以相同的預(yù)算和時間發(fā)現(xiàn)更多的藥物，”Nam 教授總結(jié)道。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！