NVIDIA-BioNeMo/Proteina-Complexa

解決する課題

Proteina-Complexa は、条件付き生成モデリングと配列最適化（ハルシネーション）という、これまで別々に行われていた2つのアプローチを統合することで、特定の標的タンパク質や小分子リガンドに結合する新規タンパク質結合剤を設計するという課題に取り組んでいます。主鎖の幾何学的構造や側鎖のコンフォメーションを含む正確な原子レベルの詳細を備えた高親和性結合剤を作成し、インシリコでの成功率と計算効率を向上させることを目的としています。

仕組み

このシステムは、タンパク質の主鎖の幾何学的構造、側鎖のコンフォメーション、および配列を共同でモデル化するフローマッチング生成モデルを使用しています。予測されたタンパク質構造から導出された結合剤と標的のペアの大規模な合成データセットである「Teddymer」で事前学習され、実験的なマルチマーデータでさらに洗練されています。

推論中、モデルは探索ベースの最適化戦略を採用します。AlphaFold2、RoseTTAFold3、およびさまざまな力場などの報酬モデルを使用して生成プロセスをガイドし、最適な候補をフィルタリングします。また、このフレームワークは ProteinMPNN や SoluableMPNN などの配列設計ツールを統合し、生成されたタンパク質が実現可能であることを保証します。

対象ユーザー

このツールは、治療標的、酵素設計、またはモチーフスキャフォールディング（motif scaffolding）のためにカスタムタンパク質結合剤を設計する必要がある計算生物学者、創薬研究者、およびタンパク質エンジニア向けに設計されています。

ハイライト

• 統合フレームワーク: 生成的事前分布とテスト時の最適化を組み合わせ、従来のハルシネーション手法を凌駕します。
• 多様な設計: タンパク質間結合剤、タンパク質-リガンド結合剤、およびモチーフスキャフォールディング（AME）をサポートします。
• 原子レベルの精度: 主鎖と側鎖を共同でモデル化し、より高い精度を実現します。
• 統合された検証: AlphaFold2、ESMFold、RoseTTAFold3 を使用した評価を組み込みでサポートしています。
• 実験的検証: 設計はウェットラボで検証されており、実際の結合活性を実証しています。