TRION Cloud
TSAP (Boltz-2)TSAP (AI-QSAR)
신경

LRRK2 활성 예측 모델

LRRK2는 큰 다영역 키네이스로, G2019S 같은 기능 획득 돌연변이가 유전성 파킨슨병의 흔한 원인입니다. 키네이스 활성을 낮추는 억제제가 파킨슨병 치료 후보로 개발되고 있습니다.

LRRK2(신경 분야)의 실측 활성 데이터로 학습한 모델입니다. 화합물을 넣으면 LRRK2에 대한 IC50 값을 예측하고, 그 값으로 후보의 순위를 매길 수 있습니다.

이 모델로 예측하기

TSAP (Boltz-2)TSAP (AI-QSAR)
모델 카드
UniProt
Q5S007
기준 구조
PDB 8TZC, 리간드 A1N
학습 데이터
TSAP (Boltz-2): 120개 화합물, IC50TSAP (AI-QSAR): 120개 화합물, IC50
검증 방식
학습에 쓰지 않은 화합물(holdout)로 예측값과 실측값을 비교합니다.
비용
100 cr부터, 제출 전 견적
모델 버전
TSAP (Boltz-2): TSAP pipeline v2.2TSAP (AI-QSAR): Ridge regression on docking features
LRRK2 수용체 구조(PDB 8TZC)와 결합 포켓의 리간드 A1N

검증 결과

학습에 쓰지 않은 화합물로 예측값과 실측값을 비교했습니다. RMSE는 log 단위(pIC50 등)입니다.

TSAP (Boltz-2)

Pearson r

0.90

R²

0.74

RMSE (log 단위)

0.36

검증 화합물

30개

TSAP (AI-QSAR)

Pearson r

0.84

RSQ의 제곱근

RSQ

0.71

검증 화합물

30개

사용법

  1. 이 모델로 예측하기 아래의 TSAP (Boltz-2)나 TSAP (AI-QSAR) 버튼을 누르면, 누른 워크플로우의 위저드가 LRRK2 모델이 선택된 채로 열립니다.

  2. 예측할 화합물의 SMILES를 .smi, .csv, .txt 파일로 올립니다.

  3. 예상 크레딧과 시간을 확인하고 제출합니다.

  4. 결과는 화합물별 예측 IC50 순위표로 나옵니다.

한계

  • 학습 데이터와 구조가 크게 다른 화합물은 예측이 덜 정확할 수 있습니다.
  • 검증에 쓴 화합물이 30개 정도로 적어서, 새 화합물에서의 성능은 지표와 다를 수 있습니다.
  • 예측값은 실험을 대신하지 않습니다. 합성과 측정의 우선순위를 정하는 데 씁니다.