Core Concepts
3D 분자 편집 모델을 사용하여 타겟 단백질 결합 부위에 맞는 신규 고친화성 리간드 분자를 생성한다.
Abstract
이 연구는 구조 기반 신약 설계(SBDD)를 위한 새로운 방법인 MolEdit3D를 제안한다. MolEdit3D는 3D 분자 편집 모델, 생성 사전 학습, 타겟 유도 자기 학습의 3가지 핵심 구성 요소로 이루어져 있다.
3D 분자 편집 모델은 3D 분자를 편집하여 생성하는 모델로, 리간드 분자를 구성하는 단편들을 추가하거나 제거하는 방식으로 작동한다. 이를 통해 화학적으로 유효한 3D 분자 구조를 생성할 수 있다.
생성 사전 학습 단계에서는 이 3D 분자 편집 모델을 3D 리간드 분자 데이터로 사전 학습하여 타겟 독립적인 분자 특성(합성 용이성, 약물성 등)을 학습한다.
타겟 유도 자기 학습 단계에서는 생성된 분자의 타겟 단백질 결합 친화도를 평가하여 이를 활용해 모델을 fine-tuning하여 타겟 의존적인 특성을 향상시킨다.
실험 결과, MolEdit3D는 기존 방법들에 비해 높은 결합 친화도, 약물성, 합성 용이성 등을 가진 분자를 생성할 수 있음을 보여주었다. 특히 기존 방법들이 2D 분자 편집에 의존하는 것과 달리, MolEdit3D는 3D 분자 편집을 통해 타겟 단백질과의 상호작용을 더 잘 반영할 수 있었다.
Stats
생성된 분자의 Vina 스코어 중앙값은 -10.16 kcal/mol로, 기존 최고 성능 대비 0.39 kcal/mol 향상되었다.
생성된 분자 중 70.3%가 참조 리간드보다 높은 친화도를 보였다.
생성된 분자의 QED 점수 중앙값은 0.55, SAscore 중앙값은 0.78로, 약물성과 합성 용이성이 우수하다.
Quotes
"MolEdit3D는 3D 분자 편집 모델, 생성 사전 학습, 타겟 유도 자기 학습의 3가지 핵심 구성 요소로 이루어져 있다."
"MolEdit3D는 기존 방법들이 2D 분자 편집에 의존하는 것과 달리, 3D 분자 편집을 통해 타겟 단백질과의 상호작용을 더 잘 반영할 수 있었다."