早期の医薬品発見に従事する研究者は、およそ10の60乗の可能な分子構造の中から、薬理活性を持つ候補分子を見つけるという大きな課題に直面しています。この問題を解決する1つの有効な方法は、より小さな「フラグメント」分子から始めることで、この戦略はフラグメントベースの医薬品設計(FBDD)と呼ばれています。FBDDプロセスでは、まず計算機を使ってターゲットタンパク質の結合ポケットに結合するフラグメントを選別し、次にそれらのフラグメントを1つの化合物に接続します。フラグメントを接続する際には、フラグメントの幾何学的な構造とタンパク質ポケットの構造を考慮して、高い親和性を持つ潜在的な医薬品分子を設計する必要があります。 この論文では、DiffLinkerという新しいリンカー(linker)分子設計手法...

この論文は質量分析分子予測のためのグラフトランスフォーマーモデル(MassFormer)に関するものです。この研究は、質量分析データにおける分子同定問題に対して、小分子の質量分析スペクトルを予測するための新しい深層学習手法を提案しています。 背景紹介: 質量分析(MS)はタンパク質体学、代謝体学、環境化学など、様々な分野で広く使用される分析手法で、サンプル中の化学物質を同定および定量するために用いられます。しかしながら、小分子の多くについては、その断片化過程の複雑さゆえに、質量分析スペクトルを正確にシミュレートすることが常にこの分野での重要な課題となっています。従来のルールベースの手法(CFMなど)には性能と適用範囲の制限があります。近年、深層学習手法が質量分析予測に応用されるようになりまし...