FEP+ 프로토콜 빌더
어려운 타깃을 위한 FEP+ 모델의 ML 기반 최적화
FEP+ 머신러닝 프로토콜 빌더(Protocol Builder)는 FEP+ 의 모델 최적화를 위한 자동화된 워크플로우입니다. 이 도구는 연구 대상에 대해 최적화된 예측 모델을 식별함으로써, 과학자들의 시간을 절약하고 FEP+ 를 통해 성공적인 신약 발견을 이끌어낼 가능성을 높여줍니다.
물리 기반 머신러닝 를 통해 FEP+ 의 정확도를 향상시켜, 가장 탐지가 어려운 표적에 대해서도 FEP+ 를 프로그램에서 향후 자신 있게 활용할 수 있도록 하십시오.
FEP+ 모델에 대한 자동화된 비용 최적화를 통해 프로젝트 수명 주기 전반에 걸쳐 컴퓨팅 비용을 절감하세요.
수동 최적화보다 4배 더 빠르게 최적화된 FEP+ 모델을 생성하여, 매개변수 공간을 효율적으로 탐색함으로써 다양한 질병 분야에서 연구자의 시간을 수 주간 절약할 수 있습니다.
완전히 자동화된 워크플로를 통해 복잡한 시스템에 대한 ‘ FEP+ ’ 활용을 가속화합니다
완전 자동화된 ‘ FEP+ ’ 프로토콜 빌더는 기본 모델에 비해 쌍별 RMSE가 개선된 최적화된 ‘ FEP+ ’ 프로토콜을 생성했습니다. 모든 프로토콜은 PDB ID: 2IVV에서 알려진 친화도 데이터를 바탕으로, 2개의 R-기구에 변형이 가해진 동일한 15종의 동족 리간드를 사용하여 수행되었습니다. ‘ FEP+ ’ 프로토콜 빌더를 적용하여, 해당 표적이 ‘ Schrödinger ’ 플랫폼에 적합한지 신속하고 철저하게 검증했습니다.
| 워크플로우 | 설명 | 라이브러리 크기 | 4.0B를 선별하는 데 걸리는 시간 (일) | 상영 시간 65억 (일) | 6.5B(TB) 용량의 저장 공간 |
|---|---|---|---|---|---|
| 간단히 Shape | 1D-SIM* 프리필터와 Shape CPU 스크리닝의 결합 | > 40억 | 5.2 | 5.5‡ | 0.4 |
| Shape GPU | GPU 가속 3D 스크리닝 | < 5.0 billion | 4.6 | 7.5‡ | 33 |
| Shape CPU | CPU 기반 3D 스크리닝 | < 10 million | NA | NA | NA |
FEP+ 프로토콜 빌더가 생성한 모델은 다양한 단백질 표적에 걸쳐 인간 전문가가 만든 모델보다 일관되게 우수한 성능을 보인다.
최근 연구에서, ‘ FEP+ Protocol Builder’는 기본 설정( FEP+ )만으로는 적절한 정확도의 프로토콜을 생성하지 못했던(RMSE > 2.5 kcal/mol) 10가지 다양한 표적에 대해 예측 모델을 생성하는 데 있어 인간 전문가보다 우수한 성과를 보였으며, 전문가들이 실패했던 시스템에 대해서도 FEP+ 모델을 생성해 냈습니다.
FEP+ 프로토콜 빌더는 엄격한 훈련 세트/테스트 세트 분할 절차에 따라 완전히 자동화된 방식으로 실행되었습니다. 최종 최적화 모델의 처리 시간은 평균 27일에서 7일로 단축되어 4배 더 빨라졌으며, 프로젝트당 평균 20일을 절약할 수 있었습니다.
| 질병 발생 지역 | 대상 클래스 | 목표 | Expert Protocol RMSE (kcal/mol) | FEP+ 프로토콜 빌더 RMSE (kcal/mol) |
|---|---|---|---|---|
| 종양학 | Bcl-2 | MCL1 | 1.5 |
1.1 |
| 신경학 | ATP아제 | P97 | 1.3 |
1.0 |
| 종양학 | 핵 수용체 | ESR1 | 3.1 |
2.0 |
| 통증, 중독, 종양학 | GPCR | mOR | 2.4 |
2.2 |
| 통증, 중독 | GPCR | dOR | 2.2 |
1.3 |
| 혈액학, 종양학 | ADP-리보실트랜스퍼라제 | TNKS2 | 2.2 |
1.1 |
| 통증, 중독, 신경학 | GPCR | KOR | 2.1 |
1.7 |
| 신장 | 아스파르트산 프로테아제 | 레닌 | 1.8 |
1.6 |
| 종양학과 및 류마티스학과 | 시스테인 프로테아제 | MALT1 | 2.5 |
1.5 |
| 종양학 | 수용체 티로신 키나아제 | RET | 1.9 |
0.8 |
웨비나
완전 자동화된 ‘ 머신러닝 ’ 기반 워크플로를 통해 까다로운 시스템에 대한 ‘ FEP+ ’ 모델 최적화 가속화
FEP+ 이는 신약 개발 분야에서 강력한 예측 기술로, 히트(hit) 발굴부터 구조-활성 관계( lead optimization)에 이르기까지 폭넓게 활용됩니다. 구조 기반 약물 설계( FEP+ )를 적용하는 데 있어 가장 중요한 첫 단계는 대상 단백질-리간드 시스템에 대해 모델을 검증하고 최적화하는 것입니다.
웨비나 시청하기머신러닝 FEP+ 프로토콜 빌더 워크플로우 기반
권장 입력값
- 실험을 통해 규명된 단백질-리간드 구조 하나 또는 계산적으로 도출된 단백질-리간드 결합 방식에 대한 가설
- 통계적 유의성을 높이기 위해서는 10개 이상의 동종 리간드가 필요하며, 이상적으로는 20개가 좋습니다. 리간드들은 최소한 2~3차수의 범위에 걸친 알려진 친화도 데이터를 가져야 합니다.
- FEP+ 프로토콜 빌더는 ‘ FEP+ ’에 포함되어 있으며, 최적의 사용을 위해서는 최소 20개의 라이선스가 필요합니다.
소프트웨어 또는 서비스 형태로 제공됩니다
- 사내 자원을 활용하거나, Schrödinger의 전문가 팀과 협력하여 대규모 컴퓨팅 자원을 활용함으로써 다음 FEP+ 모델을 최적화하십시오.
간행물
-
FEP+ 프로토콜 빌더: 다음을 이용한 자유 에너지 섭동 프로토콜의 최적화 액티브 러닝
de Oliveira C 외. J. Chem. Inf. Model. 2023, 63, 17, 5592–5603.
-
자유 에너지 계산의 정교화를 통한 신약 개발 촉진
Abel R 외. Acc. Chem. Res. 2017, 50, 7, 1625–1632.
-
최신 자유 에너지 계산 프로토콜 및 힘장을 활용하여 신약 개발 과정에서 리간드의 상대적 결합 효능을 정확하고 신뢰성 있게 예측
Abel R 외. J. Am. Chem. Soc. 2015, 137, 7, 2695–2703.