AIガイド下における基質および活性予測

問い合わせ

Creative Enzymesは、ディープラーニングと分子モデリングを統合し、酵素が基質、補因子、阻害剤とどのように相互作用するかを予測します。本サービスは、実験検証に先立ち、触媒適合性、結合親和性、反応成立性を予測することで、検証対象となる酵素‐基質ペアの合理的な優先順位付けを可能にします。大規模なタンパク質構造データベースおよび実験的に検証された速度論データセットを活用し、従来のドッキング手法では見落とされがちな微細な分子認識パターンをモデルが捉えます。

なぜ基質特異性を予測するのか

酵素‐基質の組合せに対する実験スクリーニングは、依然として低スループットであり、リソース負荷が高いのが実情です。多くの酵素は配列情報の精査のみでは捉えにくい基質プロミスキュイティ（基質多様性）を示す一方、厳格な特異性は有望なバイオ触媒であっても適用範囲を制限します。計算予測は、in silicoで基質適合性と触媒ポテンシャルを定量化することで、実験探索空間を絞り込みます。これにより、合成コストの低減、ヒット同定の迅速化、ならびに基質適用範囲を最適化した酵素変異体設計を支援します。さらに当社のアプローチは、動的なコンフォメーション変化や誘導適合（induced-fit）機構も考慮し、静的な構造解析のみよりも、酵素‐基質遭遇の実態に即した表現を提供します。

予測機能

基質適合性

活性部位の体積、形状相補性、ならびに物理化学的特性のマッチングに基づき、候補酵素が標的基質を受容可能かを評価します。

触媒活性予測

遷移状態アナログ、反応機構分類器、ならびに実験データセットで学習した速度論パラメータモデルを用いて、反応成立性と相対的なターンオーバー能を推定します。

活性部位相互作用

基質官能基と触媒残基間の水素結合、疎水性接触、静電相互作用、金属配位をマッピングします。

結合選好性解析

予測結合親和性に基づき基質ライブラリをランキングし、関連データが利用可能な場合には競合阻害および非競合阻害を明示的にモデル化します。

技術的特長

マルチスケール・モデリング

量子化学的遷移状態計算と古典分子動力学、粗視化シミュレーションを統合し、空間・時間スケールを跨ぐ触媒事象を捉えます。

ファミリー特異的トレーニング

機械学習モデルを酵素ファミリー別データセットでファインチューニングし、酸化還元酵素、転移酵素、加水分解酵素などの専門的バイオ触媒クラスに対する予測精度を向上させます。

不確実性の定量化

すべての予測に信頼区間および信頼性スコアを付与し、下流の実験投資に対するリスク評価と透明性の高い意思決定を可能にします。

継続的バリデーション

新規に公開された実験データを用いてモデルを定期的に再学習し、最新の生化学的知見を反映するとともに、分野の進展に伴う精度維持を図ります。

AI＋構造モデリングのワークフロー

当社のパイプラインは、配列ベース予測器と構造認識型シミュレーションを統合し、解釈可能なタンパク質‐リガンド相互作用モデルを生成します。

AI-Guided Substrate & Activity Prediction Workflow

1. 構造準備：活性部位ジオメトリの精度を担保するため、ホモロジーモデリングまたは実験構造のリファインメントを実施します。ループ領域および側鎖ロタマーを最適化し、リガンドアクセス性を確保します。

2. リガンドライブラリ設定：溶液化学を反映した適切なプロトン化状態、互変異性体、ならびにコンフォメーション集合を用いて、基質およびアナログ構造を準備します。

3. ドッキング＆ポーズ生成：分子ドッキングにより活性部位内の結合配向をサンプリングします。酵素‐リガンド複合体で学習したスコアリング関数により、既知の触媒機構と整合するポーズを優先します。

4. 相互作用解析：タンパク質‐リガンド接触マップ、結合エネルギー分解、幾何学的制約チェックにより、有利／不利な相互作用パターンを同定します。

5. 活性スコアリング：機械学習モデルが、ドッキングスコア、相互作用フィンガープリント、配列由来特徴量を統合し、触媒活性レベルと信頼区間を予測します。

6. 可視化＆レポーティング：上位スコア複合体のインタラクティブな3D可視化を定量予測と併せて提供し、構造的解釈と根拠に基づく意思決定を支援します。

成果物

ランキング付き基質‐酵素マトリクス：各酵素‐基質ペアの予測適合性スコアに加え、活性区分（高・中・低）および信頼性指標を提示します。
タンパク質‐リガンド相互作用レポート：上位スコア複合体について、3D相互作用図、接触残基リスト、結合様式の記述を提供します。
活性予測サマリー：推定速度論パラメータ、反応成立性評価、ならびに可能な場合は既知参照酵素との比較を提示します。
構造モデルファイル：社内レビューまたは公表に利用可能な標準形式（PDB、SDF）で、準備済み酵素構造およびドッキング済みリガンドポーズを提供します。

適用例

バイオ触媒選定

網羅的な実験スクリーニングではなく、予測される基質適用範囲に基づき、探索キャンペーンで得られた酵素を標的反応向けに優先順位付けします。

基質適用範囲の拡張

プロセス化学および合成ルート開発に向け、既存酵素と適合する非天然基質を同定します。

阻害剤プロファイリング

オフターゲット結合および競合阻害を予測し、治療用酵素開発と安全性評価を支援します。

変異体の事前スクリーニング

変異体ライブラリ構築前に、活性部位変異が基質選好性をどのように変化させるかを評価します。

代謝経路設計

提案経路中間体との酵素適合性を評価し、ボトルネックおよび置換機会を特定します。

FAQ

Q: 基質について、どのような情報を提供すればよいですか？

A: 化学構造（SMILES、SDF、または一般名）で十分です。100化合物を超えるライブラリの場合、構造化ファイルをご提供いただくことで処理が迅速化します。
Q: 実験構造がなくても活性を予測できますか？

A: はい。関連構造から作成したホモロジーモデルを日常的に使用しており、精度はテンプレート品質および配列同一性に依存します。
Q: 予測精度はどの程度ですか？

A: 高信頼度の予測は、約75～80%のケースで実験トレンドと相関します。予測は酵素ファミリー別にキャリブレーションされ、明示的な不確実性推定を付随します。
Q: 標準的な納期はどのくらいですか？

A: 単一酵素・複数基質のプロジェクトで2～4週間が目安です。より大規模なライブラリスクリーニングや複数酵素の比較では4～6週間となります。
Q: 基盤となる構造モデルは提供されますか？

A: はい。準備済み構造、ドッキングポーズ、相互作用マップは、標準成果物としてすべて含まれます。
Q: 酵素マイニングサービスと連携できますか？

A: はい。予測結果は、AI支援酵素マイニング＆機能アノテーションから直接引き渡し可能な形式で提供され、配列から活性までのシームレスなパイプラインを構築します。
Q: 基質ライブラリとして受け付け可能なファイル形式は何ですか？

A: SMILES文字列、SDFおよびMOL2ファイル、InChI識別子、一般名リストに対応しています。大規模ライブラリでは、構造列を専用に設けたCSVまたはTSV形式を推奨します。独自形式についても、ご要望に応じて対応可能な場合があります。
Q: 機密性の高い／専有の酵素配列はどのように取り扱いますか？

A: すべてのクライアントデータは、厳格な秘密保持契約の下、セキュアかつ分離された計算環境で処理します。配列および構造情報は第三者と共有せず、公開モデルの学習データセットへ組み込むこともありません。

名：

姓：

メール *

電話：

会社/機関：

国または地域：

数量：

興味のあるサービスと製品 *

プロジェクトの説明：

研究および産業用途にのみご使用ください。個人医療用途には適していません。一部の食品グレード製品は、食品および関連用途における処方開発に適しています。

サービス

オンラインお問い合わせ

名：

姓：

メール *

電話:

会社/機関:

国または地域:

数量：

サービスと製品に興味があります *