Ranking protein-protein models with large language models and graph neural networks

要約

タンパク質間相互作用 (PPI) は、がん、感染症、神経変性疾患などのさまざまな疾患に関連しています。
これらの PPI の三次元構造情報を取得することは、PPI を妨害したり、医薬品設計をガイドしたりするための基礎として機能します。
さまざまな戦略に従ってこれらの複合体をモデル化できますが、通常はすべての結果として多数のモデルが生成されます。
このプロセスにおける困難なステップは、生成されたモデルの大規模なプールから適切なモデル (ネイティブに近い PPI コンフォメーション) を特定することです。
この課題に対処するために、私たちは以前、タンパク質言語モデルの力を利用してモデル化された PPI 構造をランク付けするためのグラフベースの深層学習アルゴリズムである DeepRank-GNN-esm を開発しました。
ここでは、例を挙げてソフトウェアの使用法を詳しく説明します。
DeepRank-GNN-esm は https://github.com/haddocking/DeepRank-GNN-esm から無料で入手できます

要約(オリジナル)

Protein-protein interactions (PPIs) are associated with various diseases, including cancer, infections, and neurodegenerative disorders. Obtaining three-dimensional structural information on these PPIs serves as a foundation to interfere with those or to guide drug design. Various strategies can be followed to model those complexes, all typically resulting in a large number of models. A challenging step in this process is the identification of good models (near-native PPI conformations) from the large pool of generated models. To address this challenge, we previously developed DeepRank-GNN-esm, a graph-based deep learning algorithm for ranking modelled PPI structures harnessing the power of protein language models. Here, we detail the use of our software with examples. DeepRank-GNN-esm is freely available at https://github.com/haddocking/DeepRank-GNN-esm

arxiv情報

提供元, 利用サービス

arxiv.jp, Google