【화학정보학】 단백질-단백질 상호작용(PPI) 모델

단백질-단백질 상호작용 모델(protein-protein interaction model; PPI)

 

추천글 : 【생물정보학】 리간드-수용체 상호작용 분석 

---

1. 주요 사항 [본문]

2. 모델 [본문]

3. 레퍼런스 [본문]

---

 

1. 주요 사항 [목차]

⑴ 결합 친화도(결합세기, BA, binding affinity)는 일반적으로 해리 상수(K_d) 또는 억제 상수(K_i)에 의해 정량화됨

⑵ PPI의 일반 고려 사항

① 일반적인 특성 (예 : 원자 유형)

② 물리화학적 특성 (예 : 제외된 부피, 부분 전하, 무거운 원자 이웃, 이종 원자 이웃, 혼성화)

③ 약리학적 특성 (예 : 소수성, 방향성, 산/염기, 고리 형태)

⑶ 데이터셋

① PDBbind database of version 2016 

○ 부분집합 1. general set : 모든 데이터, 즉 13,285개의 protein-ligand complex를 포함 

○ 부분집합 2. refined set : general subset의 부분집합. 4,057개의 high-quality complex를 포함

○ 부분집합 3. core 2016 set : refined set으로부터 추출한 290 complex. 벤치마킹 데이터로 자주 활용됨

② CASF-2013

③ CSAR-HiQ

○ CSAR-HiQ_51 : 원래 176개의 protein-ligand complex로 구성된 집합에서 추출한 부분집합

○ CSAR-HiQ_36 : 원래 167개의 protein-ligand complex로 구성된 집합에서 추출한 부분집합

④ Biolip

⑷ 단백질-리간드 상호작용 모델은 좀 있지만, 단백질-단백질 상호작용 모델은 여전히 상대적으로 드묾

 

 

2. 모델 [목차]

⑴ 결합 위치 예측 모델

① 예 : AlphaFold2 multimer

② 일반적으로 리간드, 수용체 간 결합 위치가 3 Å 이하이면 결합세기가 높다고 여겨짐

⑵ 결합 친화도 예측 모델 

① 종류 1. sequence-based method

○ 예 : DeepDTA, DeepDTAF, DeepFusionDTA, GraphDTA, CAPLA

② 종류 2. structure-based method

○ 예 : DeepDTA, DeepDTAF, DeepFusionDTA, GraphDTA, CAPLA

 

출처 : 이미지 클릭

Table. 1. structure-based method의 분류

 

③ 퍼포먼스 비교

 

출처 : 이미지 클릭

Table. 2. 결합 친화도 예측 모델의 퍼포먼스 비교

 

 

3. 레퍼런스 [목차]

⑴ CAPLA: improved prediction of protein–ligand binding affinity by a deep learning approach based on a cross-attention mechanism

⑵ PPI-Affinity: A Web Tool for the Prediction and Optimization of Protein–Peptide and Protein–Protein Binding Affinity

⑶ Structure-based, deep-learning models for protein-ligand binding affinity prediction

 

입력: 2024.03.31 01:08