Peptide2Mol: KI-gestütztes Diffusionsmodell erzeugt peptidähnliche Moleküle für gezielte Proteinbindung

In der strukturbasierten Wirkstoffentwicklung hat die Integration von künstlicher Intelligenz neue Wege eröffnet, insbesondere bei der Erzeugung von Hit- und Lead-Kandidaten. Dennoch vernachlässigen viele KI-Ansätze die entscheidende Rolle von endogenen Protein‑Peptid-Interaktionen, was zu weniger optimalen Molekülentwürfen führen kann.

Mit dem neuen Modell Peptide2Mol, einem E(3)-equivarianten Graph‑Neuronalen Netzwerk, wird dieses Problem adressiert. Das Diffusionsmodell generiert kleine Moleküle, indem es sowohl die ursprünglichen Peptid‑Bindungspartner als auch die umgebenden Protein‑Pocket‑Umgebungen berücksichtigt. Durch das Training auf umfangreichen Datensätzen und den Einsatz fortschrittlicher Modellierungstechniken erreicht Peptide2Mol einen branchenführenden Leistungsstand bei nicht‑autoregressiven Generierungsaufgaben.

Ein besonderes Merkmal ist die Fähigkeit, Moleküle zu optimieren und peptidähnliche Strukturen durch einen partiellen Diffusionsprozess zu entwerfen. Die erzeugten Verbindungen weisen eine hohe Ähnlichkeit zu den ursprünglichen Peptid‑Bindern auf und zeigen damit das Potenzial, als Ausgangspunkt für die Entwicklung bioaktiver Wirkstoffe zu dienen.

Die Ergebnisse unterstreichen Peptide2Mol als effektives Deep‑Generatives Modell, das die Erzeugung und Optimierung von bioaktiven kleinen Molekülen aus Protein‑Bindungsstellen ermöglicht und damit einen wichtigen Beitrag zur modernen Wirkstoffforschung leisten kann.