LiBRe: 가상 스크리닝을 위한 리간드 인식 시퀀스 기반 결합 잔기 예측 모델

단백질-리간드 결합 잔기 식별은 분자 인식을 해석하고 치료법 개발을 진전시키는 데 근본적입니다. 단백질-리간드 결합 잔기를 예측하는 시퀀스 기반 딥러닝 모델은 확장 가능성과 구조 정보에 의존하지 않고 작동할 수 있는 능력 때문에 주목받고 있습니다. 그러나 대부분 기존 방법은 결합 잔기가 특정 리간드와의 상호작용을 통해 정의됨에도 불구하고 리간드 정보를 고려하지 않고 주로 단백질 시퀀스 정보만을 중점적으로 다룹니다. 이에 본 연구는 단백질 시퀀스로부터의 잔기 수준 정보와 리간드 정보를 명시적으로 통합한 리간드 인식 시퀀스 기반 결합 잔기 예측 모델을 제안합니다. 제안한 모델은 리간드 결합 잔기 예측에서 유의미한 향상을 달성하여 기존 시퀀스 기반 및 구조 기반 기준 모델들을 능가하였습니다. 더 나아가, 본 모델이 예측한 리간드 결합 잔기로 정의된 포켓은 기존 도구들과 비교했을 때 더 강력하고 안정적인 결합 친화도를 나타냈습니다. 이러한 결과는 본 모델이 가상 스크리닝 및 신약 발견 분야에 상당한 가능성을 보여줌을 시사합니다. 소스 코드는 https://github.com/GoldRiver0/LiBRe 에서 공개되어 있습니다.