AI-based screening method could boost speed of new drug discovery
AIを用いたスクリーニング手法により、新薬の発見スピードが向上する可能性
要約(英語):
Using a method that models drug and target protein interactions using natural language processing techniques, the University of Central Florida researchers have achieved 97% accuracy in identifying promising drug candidates. The technique represents drug-protein interactions through words for each protein binding site and uses deep learning to extract features that govern complex interactions between the two. The study was published in the journal Briefings in Bioinformatics. The technique is the first to be interpretable using the language of protein binding sites.
要約(日本語):
自然言語処理技術を使用して薬物と標的タンパク質の相互作用をモデル化する方法を使用して、中央フロリダ大学の研究者は、有望な薬物候補を特定する際に97％の精度を達成しました。この手法は、各タンパク質結合部位の単語を介した薬物タンパク質の相互作用を表し、深い学習を使用して、2つの間の複雑な相互作用を支配する特徴を抽出します。この研究は、バイオインフォマティクスのジャーナルブリーフィングに掲載されました。この手法は、タンパク質結合部位の言語を使用して最初に解釈できるものです。
本文:
Developing life-saving medicines can take billions of dollars and decades of time, but University of Central Florida researchers are aiming to speed up this process with a new artificial intelligence-based drug screening process they’ve developed.
命を救う薬の開発には数十億ドルと数十年にかかることがありますが、中央フロリダ大学の研究者は、開発した新しい人工知能ベースの薬物スクリーニングプロセスでこのプロセスをスピードアップすることを目指しています。
Using a method that models drug and target protein interactions using natural language processing techniques, the researchers achieved up to 97% accuracy in identifying promising drug candidates.
自然言語処理技術を使用して薬物と標的タンパク質の相互作用をモデル化する方法を使用して、研究者は有望な薬物候補を特定する際に最大97％の精度を達成しました。
The results were published recently in the journal Briefings in Bioinformatics.
結果は最近、バイオインフォマティクスのジャーナルブリーフィングに掲載されました。
The technique represents drug-protein interactions through words for each protein binding site and uses deep learning to extract the features that govern the complex interactions between the two.
この手法は、各タンパク質結合部位の単語を介した薬物タンパク質の相互作用を表し、深い学習を使用して、2つの間の複雑な相互作用を支配する特徴を抽出します。
“With AI becoming more available, this has become something that AI can tackle,” says study co-author Ozlem Garibay, an assistant professor in UCF’s Department of Industrial Engineering and Management Systems.
「AIがより利用できるようになると、これはAIが取り組むことができるものになりました」と、UCFの産業工学管理システム学科の助教授であるOzlem Garibayの共著者は言います。
“You can try out so many variations of proteins and drug interactions and find out which are more likely to bind or not.” The model they’ve developed, known as AttentionSiteDTI, is the first to be interpretable using the language of protein binding sites.
「タンパク質と薬物相互作用の非常に多くのバリエーションを試して、どちらが結合する可能性が高いかを見つけることができます。」AstentionsitedTiとして知られる彼らが開発したモデルは、タンパク質結合部位の言語を使用して最初に解釈できるものです。
The work is important because it will help drug designers identify critical protein binding sites along with their functional properties, which is key to determining if a drug will be effective.
薬物の設計者が機能的特性とともに重要なタンパク質結合部位を特定するのに役立つため、この作業は重要です。これは、薬物が効果的かどうかを判断するための鍵です。
The researchers made the achievement by devising a self-attention mechanism that makes the model learn which parts of the protein interact with the drug compounds, while achieving state-of-the-art prediction performance.
研究者は、最先端の予測パフォーマンスを達成しながら、モデルが薬物化合物と相互作用するタンパク質のどの部分を学習させる自己触媒メカニズムを考案することで成果を上げました。
The mechanism’s self-attention ability works by selectively focusing on the most relevant parts of the protein.
メカニズムの自己関節能力は、タンパク質の最も関連性の高い部分に選択的に焦点を当てることにより機能します。
The researchers validated their model using in-lab experiments that measured binding interactions between compounds and proteins and then compared the results with the ones their model computationally predicted.
研究者は、化合物とタンパク質間の結合相互作用を測定するLAB実験を使用してモデルを検証し、結果をモデルを計算的に予測した結果と比較しました。
As drugs to treat COVID are still of interest, the experiments also included testing and validating drug compounds that would bind to a spike protein of the SARS-CoV2 virus.
Covidを治療する薬物はまだ関心があるため、実験には、SARS-Cov2ウイルスのスパイクタンパク質に結合する薬物化合物の検査と検証も含まれていました。
Garibay says the high agreement between the lab results and the computational predictions illustrates the potential of AttentionSiteDTI to pre-screen potentially effective drug compounds and accelerate the exploration of new medicines and the repurposing of existing ones.
Garibayは、ラボの結果と計算予測との間の高い一致は、画面前に潜在的に効果的な薬物化合物に注意を払う可能性を示し、新しい薬の調査と既存の薬の再利用を加速することを示しています。
“This high impact research was only possible due to interdisciplinary collaboration between materials engineering and AI/ML and Computer Scientists to address COVID related discovery” says Sudipta Seal, study co-author and chair of UCF’s Department of Materials Science and Engineering.
「この高い影響研究は、材料エンジニアリングとAI/MLとコンピューター科学者との学際的な協力により、Covid関連の発見に対処したことでのみ可能でした」
Mehdi Yazdani-Jahromi, a doctoral student in UCF’s College of Engineering and Computer Science and the study’s lead author, says the work is introducing a new direction in drug pre-screening.
UCFの工学およびコンピューターサイエンス大学の博士課程の学生であり、研究の主著者であるMehdi Yazdani-Jahromiは、この作業は薬物の事前スクリーニングに新しい方向性を導入していると言います。
“This enables researchers to use AI to identify drugs more accurately to respond quickly to new diseases, Yazdani-Jahromi says.
「これにより、研究者はAIを使用して薬物をより正確に識別し、新しい疾患に迅速に反応することができます。
“This method also allows the researchers to identify the best binding site of a virus’s protein to focus on in drug design.” “The next step of our research is going to be designing novel drugs using the power of AI,” he says.
「この方法により、研究者は、薬物設計に焦点を合わせてウイルスのタンパク質の最適な結合部位を特定することもできます。」「私たちの研究の次のステップは、AIの力を使用して新しい薬物を設計することです」と彼は言います。
“This naturally can be the next step to be prepared for a pandemic.” The research was funded by UCF’s internal AI and big data seed funding program.
「これは当然、パンデミックに備えるための次のステップになる可能性があります。」この研究は、UCFの内部AIおよびビッグデータシード資金調達プログラムによって資金提供されました。
Co-authors of the study also included Niloofar Yousefi, a postdoctoral research associate in UCF’s Complex Adaptive Systems Laboratory in UCF’s College of Engineering and Computer Science; Aida Tayebi, a doctoral student in UCF’s Department of Industrial Engineering and Management Systems; Elayaraja Kolanthai, a postdoctoral research associate in UCF’s Department of Materials Science and Engineering; and Craig Neal, a postdoctoral research associate in UCF’s Department of Materials Science and Engineering.
この研究の共著者には、UCFの工学およびコンピューターサイエンス大学のUCFの複雑な適応システム研究所のポスドク研究員であるNiloofar Yousefiも含まれていました。UCFの産業工学および管理システム学部の博士課程学生であるアイーダ・テイビ。Elayaraja Kolanthai、UCFの材料科学工学部のポスドク研究員。UCFの材料科学工学部のポスドク研究員であるクレイグニール。
Garibay received her doctorate in computer science from UCF and joined UCF’s Department of Industrial Engineering and Management Systems, part of the College of Engineering and Computer Science, in 2020. Previously, she worked for 16 years in information technology for UCF’s Office of Research.
Garibayは、UCFでコンピューターサイエンスの博士号を取得し、2020年にEngineering and Computer Scienceの一部であるUCFの工業経営管理システム省に入社しました。以前は、UCFの研究局の情報技術で16年間働いていました。
元記事
https://www.sciencedaily.com/releases/2022/09/220923090832.htm
