タンパク質言語モデルを用いたペプチド類似体生成のための潜在空間の探索

望ましい特性を持つペプチドの生成は、創薬およびバイオテクノロジーにとって重要です。従来の配列ベースおよび構造ベースの方法はしばしば広範なデータセットを必要とし、その効果を制限します。本研究では、オートエンコーダ型モデルを利用してタンパク質埋め込み空間を探索し、タンパク質言語モデルを活用して新しいペプチド類似体を生成する新しい方法を提案しました。提案された方法は、単一の関心配列のみを必要とし、大規模データセットへの依存を回避します。私たちの結果は、ペプチド構造、記述子、および生物活性の類似性指標において、ベースラインモデルに対して有意な改善を示します。提案された方法はTIGIT阻害剤に対する分子動力学シミュレーションを通じて検証され、私たちの方法が類似しつつ異なる特性を持つペプチド類似体を生成することを示しており、ペプチドスクリーニングプロセスの強化の可能性を強調しています。