Zero-Shot Protein-Ligand Binding Site Prediction from Protein Sequence and SMILES
Dieses Paper führt ein systematisches dreistufiges Benchmarking-Framework ein, das Protein- und chemische Sprachmodelle nutzt, um Protein-Ligand-Bindungsstellen aus Sequenzen und SMILES vorherzusagen, wobei gezeigt wird, dass eine Liganden-Konditionierung zwar die Leistung bei bekannten Liganden verbessert, ein Zero-Shot-Ansatz unter Verwendung vortrainierter chemischer Embeddings jedoch eine effektive Vorhersage bei zuvor ungesehenen Liganden ermöglicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
In jeder lebenden Zelle fungieren Proteine als molekulare Maschinen, die das Leben am Laufen halten. Sie falten sich in komplexe Formen, um Aufgaben wie das Kopieren genetischer Anweisungen oder das Bekämpfen von Infektionen auszuführen. Oftmals müssen diese Maschinen kleinere chemische Moleküle, sogenannte Liganden, greifen, um zu funktionieren. Wenn ein Protein ein spezifisches Molekül erfasst, geschieht dies an einer präzisen Stelle auf seiner Oberfläche, ganz so wie ein Schlüssel, der in ein bestimmtes Schloss passt. Zu wissen, wo genau sich dieses Schloss auf dem Protein befindet, ist für Wissenschaftler von entscheidender Bedeutung. Wenn Forscher diese Stellen punktgenau lokalisieren können, können sie verstehen, wie Krankheiten funktionieren, und neue Medikamente entwickeln, um diese Interaktionen entweder zu blockieren oder zu aktivieren. Jahrzehntelang hing das Finden dieser Stellen von teuren und langsamen Laborexperimenten ab, bei denen Bilder der Moleküle aufgenommen wurden. Nun wenden sich Wissenschaftler der Computertechnik zu, um diese Standorte schneller vorherzusagen, aber ein großes Hindernis bleibt bestehen: Computer haben Schwierigkeiten, wenn sie auf einen neuen Typ von chemischem Molekül stoßen, den sie noch nie zuvor gesehen haben.
Ein Forschungsteam hat einen neuen Weg entwickelt, um Computer zu lehren, diese Bindungsstellen zu finden, selbst wenn das chemische Molekül völlig unbekannt ist. Sie bauten ein System, das aus der riesigen Bibliothek bekannter Proteinstrukturen und den chemischen Formeln von Molekülen lernt, um fundierte Vermutungen darüber anzustellen, wo sie sich verbinden werden. Das Team testete ihren Ansatz in drei verschiedenen Szenarien, um zu sehen, wie gut er funktionierte. Erstens betrachteten sie häufig vorkommende Chemikalien, die der Computer bereits viele Male gesehen hatte. Zweitens testeten sie ihn an Chemikalien, die nur wenige Male in den Trainingsdaten vorkamen. Schließlich forderten sie das System mit einem Zero-Shot-Test heraus, bei dem der Computer Bindungsstellen für Tausende von Chemikalien vorhersagen musste, die er während seines Trainings noch nie zuvor encountert hatte. Dieser letzte Test ist der schwierigste und bildet die reale Situation nach, in der ein Wissenschaftler einen neuen Wirkstoffkandidaten entdeckt und sofort wissen muss, wie dieser mit einem Protein interagiert.
Die Forscher begannen damit, ein Computermodell unter Verwendung einer massiven Datenbank von Proteinsequenzen und deren bekannten Bindungspartnern zu trainieren. Zuerst erstellten sie ein Basissystem, das lernte, Bindungsstellen für eine spezifische Chemikalie zur Zeit vorhersagen. Dies funktionierte gut für die häufigen Chemikalien, erforderte jedoch für jeden einzelnen Typ von Molekül ein separates Modell, was ineffizient ist. Als Nächstes verbesserten sie das System, indem sie es darauf trainierten, verschiedene Chemikalien gleichzeitig zu erkennen, indem sie einen speziellen Code für jede einzelne verwendeten. Dies ermöglichte es einem einzigen Modell, viele verschiedene Moleküle zu handhaben, und es schnitt besser ab als die erste Version. Dennoch scheiterte dieser Ansatz, wenn er mit einer völlig neuen Chemikalie konfrontiert wurde, da der Computer keinen Code dafür hatte. Um dies zu lösen, führte das Team eine dritte Stufe ein. Anstatt einen vorgefertigten Code für die Chemikalie zu verwenden, fütterten sie den Computer mit der Strukturformel der Chemikalie, die als Textzeichenfolge namens SMILES-String geschrieben ist. Sie nutzten ein separates Computerprogramm, das auf Millionen von chemischen Formeln trainiert wurde, um diesen Text in eine mathematische Darstellung umzuwandeln, die das Hauptsystem verstehen konnte. Dies ermöglichte es dem Modell, Vorhersagen für Chemikalien zu treffen, die es zuvor noch nie gesehen hatte.
Als das Team diese Zero-Shot-Fähigkeit testete, waren die Ergebnisse vielversprechend, verdeutlichten jedoch die Schwierigkeit der Aufgabe. Bei den Chemikalien, die der Computer bereits zuvor gesehen hatte, blieb das System genau. Aber bei den ungesehenen Chemikalien sank die Genauigkeit, was beim Umgang mit völlig neuen Daten zu erwarten ist. Das System identifizierte die Bindungsstellen auf etwa 31 Prozent der relevanten Teile des Proteins für diese neuen Moleküle korrekt, was eine bedeutende Errungenschaft für den ersten Versuch bei diesem spezifischen Problem darstellt. Um sicherzustellen, dass der Computer tatsächlich die chemische Information nutzt und nicht nur basierend auf der Proteinstruktur rät, führten die Forscher Kontroll экспериente durch. Sie fütterten das System mit dem korrekten Protein, ersetzten jedoch die chemische Formel durch belanglosen Text oder die falsche Chemikalie. In diesen Fällen sank die Leistung des Computers über alle Testgruppen hinweg signifikant. Dies bewies, dass das Modell tatsächlich auf die spezifische Chemikalie achtete, die ihm gegeben wurde, anstatt sich auf eine generische Vermutung zu verlassen.
Die Studie untersuchte auch, wie sich die Größe der Computermodelle auf ihre Leistung auswirkt. Sie testeten verschiedene Versionen des proteinlernenden Modells, die von klein bis sehr groß reichten. Im Allgemeinen schnitten die größeren Modelle besser ab, was darauf hindeutet, dass mehr Rechenleistung dem System hilft, die komplexen Muster der Proteinstrukturen zu verstehen. Die Vergrößerung des chemielernenden Modells führte jedoch nicht immer zu besseren Ergebnissen, was darauf hindeutet, dass die Proteinfunktion derzeit der kritischere Faktor für die Genauigkeit ist. Die Forscher fanden heraus, dass das System zwar noch nicht perfekt ist, aber einen zuverlässigen Rahmen für die Vorhersage bietet, wie Proteine und neue Chemikalien miteinander interagieren könnten. Diese Arbeit setzt einen neuen Standard für das Testen dieser Vorhersagen, indem sie zwischen dem unterscheidet, was ein Computer mit vertrauten Daten leisten kann und was er bei wirklich neuartigen Entdeckungen erreichen kann. Durch den Nachweis, dass das System auf ungesehene Chemikalien verallgemeinern kann, haben die Forscher einen Weg für eine schnellere Wirkstoffforschung eröffnet, der es Wissenschaftlern ermöglicht, neue Moleküle gegen Proteine zu testen, ohne auf langsame, traditionelle Experimente warten zu müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.