Modele przewidywania powinowactwa białko-ligand: od struktur statycznych do dynamiki molekularnej

Paweł Siedlecki<sup>1

1</sup> Pracownia Cheminformatyki i Modelowania Molekularnego, Instytut Biochemii i Biofizyki Polskiej Akademii Nauk, Pawińskiego 5a, Warszawa, Polska

Przewidywanie powinowactwa białko–ligand stanowi jedno z kluczowych wyzwań współczesnej chemii obliczeniowej, bioinformatyki oraz projektowania leków. Modele oparte na statycznych strukturach kompleksów, pochodzących z krystalografii rentgenowskiej lub modelowania molekularnego, stanowią fundament wielu metod stosowanych na różnych etapach procesu odkrywania związków biologicznie aktywnych. Podejście to umożliwiło rozwój klasycznych funkcji oceny oraz algorytmów uczenia maszynowego, skutecznie wykorzystywanych m.in. do wysokoprzepustowego przeszukiwania dużych bibliotek chemicznych. Coraz wyraźniej widoczne stają się jednak ograniczenia wynikające z pomijania dynamiki oraz czasowej zmienności oddziaływań białko–ligand, w tym plastyczności kieszeni wiążącej i fluktuacji kontaktów molekularnych.
Nowe kierunki rozwoju modeli przewidywania powinowactwa integrujące symulacje dynamiki molekularnej z metodami uczenia maszynowego i głębokiego dają nadzieję na bardziej realistyczny opis interakcji oraz ekstrakcję deskryptorów uwzględniających ich dynamiczny charakter. Jednocześnie podejścia te wiążą się z nowymi wyzwaniami, takimi jak ograniczona dostępność danych oraz konieczność znalezienia kompromisu pomiędzy kosztem obliczeniowym symulacji a uzyskiwanym zyskiem informacyjnym.

Badania współfinansowane w ramach środków Narodowego Centrum Nauki.

---

Dr hab. Paweł Siedlecki kieruje Pracownią Chemoinformatyki i Modelowania Molekularnego w Instytucie Biochemii i Biofizyki Polskiej Akademii Nauk. W swoich badaniach koncentruje się nad zagadnieniami związanymi z modelowaniem oddziaływań białek i związków drobnocząsteczkowych, w ostatnim czasie wraz z zespołem pracuje nad wykorzystaniem symulacji molekularnych i sztucznej inteligencji do przewidywania powinowactwa. Autor publikacji z zakresu genomiki, chemoinformatyki, uczenia maszynowego i sieci neuronowych. Jest członkiem Polskiego Komitetu Normalizacyjnego ds. Sztucznej Inteligencji gdzie zajmuje się kwestiami dotyczącymi wykorzystania danych biomedycznych w systemach AI. Odbywał staże w MD Anderson Cancer Center, Houston TX, oraz w Niemieckim Centrum Badań nad Rakiem (DKFZ Heidelberg).