Undersøgelse tilbyder ny metode til at forudsige lægemiddel-proteinbindingsaffinitet

Nøjagtig forudsigelse af lægemiddel-protein-interaktionen (DPI) er afgørende i virtuel lægemiddelscreening. Nuværende metoder har dog en tendens til at tildele lige stor vægt til aminosyrer og atomer i kodende protein- og lægemiddelsekvenser, og derved negligere de forskellige bidrag fra forskellige motiver.

For at tackle dette problem har en gruppe forskere ledet af Juan Liu offentliggjort deres undersøgelse i Grænser for computervidenskab .

Deres forskning introducerede en metode, FragDPI, til forudsigelse af lægemiddel-proteinbindingsaffinitet. Denne tilgang repræsenterer den indledende bestræbelse på at inkorporere fragmentkodning og fusionere sekvensinformationen for både lægemidler og proteiner, og dermed bevare de primære funktioner relateret til DPI-interaktioner. Desuden anvender denne metode overførselslæring fra betydelige DPI-datasæt til at levere potentielle DPI-komponenter.

Eksperimentelle resultater viser, at FragDPI-modellen giver prisværdige resultater sammenlignet med basislinjerne, herunder dybe neurale netværk. Spændende nok identificerede modellen nøjagtigt de specifikke interaktionsdele af DTI-parrene og hjalp derved med at opdage nye potentielle DTI-par.

FragDPI præsenterer en ny tilgang til udvinding af interagerende fragmenter fra DPI-mekanismen og giver derved et nyt perspektiv på lægemiddelopdagelse.

Flere oplysninger: Zhihui Yang et al., FragDPI:en ny forudsigelsesmodel for lægemiddel-protein-interaktion baseret på fragmentforståelse og samlet kodning, Grænser for computervidenskab (2022). DOI:10.1007/s11704-022-2163-9

Leveret af Frontiers Journals