文献

J-GLOBAL ID：202202210560507668   整理番号：22A0885785

深い生成モデルを持つ受容体結合部位に条件付きの3D分子の生成【JST・京大機械翻訳】

Generating 3D molecules conditional on receptor binding sites with deep generative models

著者 (3件)： Ragoza Matthew (Intelligent Systems Program, University of Pittsburgh, Pittsburgh, PA 15213, USA. [e-mail]) ,  Masuda Tomohide ,  Koes David Ryan
資料名： Chemical Science (Web)  (Chemical Science (Web))
巻： 13  号： 9  ページ： 2701-2713  発行年： 2022年 
JST資料番号： U7042A  ISSN： 2041-6539  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 構造に基づく薬物発見の目標は,与えられた標的蛋白質に結合する小分子を見つけることである。深い学習は,ある種の化学性質を有する薬剤様分子を生成するため使用されているが,蛋白質-リガンド結合相互作用の条件付分布をサンプリングすることにより,蛋白質に結合すると予測される3D分子の生成にはまだ適用されていない。本研究では,受容体結合部位に条件付けされた3D分子構造を生成するための深い学習システムを初めて記述した。交差ドッキング蛋白質-リガンド構造の原子密度格子表現で訓練された条件付き変分オートエンコーダを用いて問題に近づいた。原子フィッティングと結合推論手順を適用して,生成した原子密度から有効な分子立体配座を構築した。生成分子の性質を評価し,変異受容体で条件付けした時,それらが有意に変化することを実証した。また,サンプリングと補間技術を用いて,著者らの生成モデルによって学習された潜在空間を探索した。この研究は,深い学習を有する蛋白質構造から安定な生物活性分子の末端から末端への予測に対するドアを開く。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  変分法 ,  立体配座 ,  ドッキング ,  内挿法 ,  *受容体 ,  タンパク質 ,  生物活性 ,  *三次元 ,  小分子 ,  配位子
準シソーラス用語： リガンド結合 ,  *受容体結合 ,  標的蛋白質 ,  蛋白質構造 , 【Automatic Indexing@JST】

分類 (3件)： 分子構造  (EB03020Y) ,  理論生物学一般  (EA02010D) ,  酵素一般  (EB09010D)

タイトルに関連する用語 (5件)： 生成モデル ,  受容体 ,  結合部位 ,  3D ,  分子