KI SpotlightNewsTriGlue: Neues KI-Modell entwirft molekulare Klebstoffe für gezielten Proteinabbau
TriGlue ist ein biologisch inspiriertes generatives Modell, das molekulare Klebstoffe (Molecular Glue Degraders) entwirft, indem es die Bildung ternärer Komplexe aus E3-Ubiquitin-Ligase und Zielprotein induziert.
Mit KI erstellt◆ Fakten auf einen Blick
- TriGlue ist ein generatives Modell zur Erzeugung von molekularen Klebstoff-induzierten ternären Komplexen.
- Die offizielle Implementierung von TriGlue ist auf GitHub verfügbar.
- TriGlue wird in einem Preprint auf arXiv beschrieben.
- Das Modell adressiert das Design molekularer Klebstoffe durch gleichzeitige Modellierung von Ligandengenerierung und Protein-Protein-Interaktion.
TriGlue: Generatives Design molekularer Klebstoffe
Molekulare Klebstoffe (Molecular Glue Degraders) gelten als vielversprechende Wirkstoffklasse, weil sie die zelleigene Ubiquitin-Proteasom-Maschinerie nutzen, um Zielproteine gezielt abzubauen. Sie zwingen eine E3-Ubiquitin-Ligase und ein Zielprotein in räumliche Nähe, sodass die Ligase das Zielprotein mit Ubiquitin markiert – das Signal für die zelluläre Abbau-Maschinerie. Die computergestützte Entwicklung solcher Moleküle steckt jedoch noch in den Anfängen, weil die Grenzfläche zwischen den beiden Proteinen oft unbekannt ist – strukturelle Daten des ternären Komplexes sind rar – und die gleichzeitige Modellierung von Ligand und Protein-Protein-Interaktion einen komplexen Suchraum erzeugt. Hier setzt TriGlue an: Das neue generative Modell formuliert das Design molekularer Klebstoffe als eine einzige generative Aufgabe. Ausgehend von einer gebundenen E3-Ligase und einem ungebundenen Zielprotein erzeugt TriGlue gleichzeitig den Liganden und die Protein-Protein-Interaktion, die für die Bildung des ternären Komplexes nötig sind. Indem es beide Komponenten in einem Schritt optimiert, verkürzt es die sonst aufwändigen, iterativen Design-Zyklen und beschleunigt so die Identifikation vielversprechender Kandidaten.
Offene Bereitstellung von Preprint und Code
Die Entwickler haben TriGlue nicht nur als Konzept vorgestellt, sondern auch die praktische Nutzung ermöglicht. Eine detaillierte Beschreibung des Modells – darunter die Architektur, die verwendeten Trainingsdaten und erste Validierungsexperimente – ist als Preprint auf arXiv veröffentlicht und frei einsehbar. Parallel dazu steht die offizielle Implementierung auf GitHub zur Verfügung. Das Repository enthält den Quellcode, Trainingsskripte und vortrainierte Modelle, sodass Forschende die Ergebnisse reproduzieren und für eigene Arbeiten anpassen können. Mit dieser offenen Bereitstellung folgt das Projekt dem Trend zu transparenten und nachvollziehbaren KI-Methoden in der pharmazeutischen Forschung.
