DegradeQuery: un framework di IA prevede la degradazione da PROTAC dal contesto
Un nuovo framework di previsione chiamato DegradeQuery è stato sviluppato da ricercatori per anticipare la degradazione proteica indotta dai PROTAC. Queste chimere mirate alla proteolisi funzionano collegando una proteina bersaglio a un'ubiquitina ligasi E3, avviando la degradazione, che è influenzata sia dalla molecola degradante che dal suo ambiente biologico. Sebbene numerosi record strutturati di molecole, bersagli e ligasi E3 esistano in database pubblici, solo un numero limitato ha misurazioni di degradazione, lasciando molte interazioni chimico-biologiche non sfruttate nell'apprendimento supervisionato. DegradeQuery trasforma i record privi di etichette in un segnale di pre-addestramento. Il suo approccio di pre-addestramento a tuple controfattuali confronta le tuple esistenti con alternative alterando il bersaglio, la ligasi E3 o entrambi, consentendo al modello di cogliere i legami contestuali senza assegnare pseudo-etichette. La rappresentazione raffinata viene quindi regolata per prevedere la degradazione basata sulla tupla completa molecola-bersaglio-E3. Questa innovazione, descritta in un articolo su arXiv (arXiv:2608.10595), ha il potenziale di migliorare notevolmente l'efficienza della scoperta di farmaci aumentando l'accuratezza delle previsioni degli esiti di degradazione, minimizzando così la necessità di una vasta validazione sperimentale.
Fatti principali
- DegradeQuery è un framework di previsione sensibile al contesto per la degradazione da PROTAC.
- I PROTAC inducono la degradazione proteica reclutando una proteina bersaglio verso un'ubiquitina ligasi E3.
- I database pubblici contengono migliaia di record strutturati di molecola-bersaglio-E3.
- Le misurazioni di degradazione sono disponibili solo per una piccola frazione di questi record.
- Gli approcci supervisionati esistenti lasciano inutilizzate la maggior parte delle relazioni chimico-biologiche registrate.
- DegradeQuery converte i record privi di etichette in un segnale di pre-addestramento.
- Il pre-addestramento a tuple controfattuali contrappone le tuple registrate con alternative sostituendo il bersaglio, la ligasi E3 o entrambi.
- Il modello apprende associazioni contestuali senza assegnare pseudo-etichette di attività.
- La rappresentazione viene ottimizzata per prevedere la degradazione dalla tupla completa molecola-bersaglio-E3.
- L'articolo è disponibile su arXiv con identificativo arXiv:2608.10595.
Entità
Istituzioni
- arXiv