Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

PeptimAIze: Revolutionazing Peptide Design through Multi-Property Optimization and Explainable AI

Descrizione del progetto

Un modello innovativo di apprendimento profondo per una progettazione efficiente dei peptidi

Le interazioni tra le proteine sono fondamentali per molti processi fisiologici e patologici nel corpo umano, il che le rende bersagli promettenti per il trattamento di malattie quali le infezioni batteriche e il cancro; ciononostante, l’uso terapeutico e la scoperta dei peptidi sono ostacolati da proprietà fisico-chimiche sfavorevoli e da metodi inefficienti, nonché ad alto consumo di risorse. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto PeptimAIze svilupperà un modello di apprendimento profondo specializzato nella generazione di peptidi terapeutici per inibire le interazioni tra le proteine, affrontando a tal fine le lacune degli attuali approcci alla progettazione dei peptidi in questo tipo di tecnica sviluppando un modello con una migliore interpretabilità. Questo modello permetterà di superare i limiti esistenti, risultando al contempo più efficiente e accessibile.

Obiettivo

PeptimAIze aims to develop a deep learning model capable of generating therapeutic peptides for inhibiting protein-protein interactions (PPIs). Many PPIs are essential to key physiological and pathological processes, making these interactions ideal targets for selective intervention in several human diseases, including cancer and bacterial infections. However, the therapeutic potential of peptides is often limited by unfavorable physicochemical properties, such as low solubility and poor bioavailability. Current peptide discovery approaches are time- and resource-intensive, generating significant waste through iterative and labour-intensive screening of compound batches across multiple optimisation rounds to experimentally achieve the desired physicochemical properties. While deep learning and generative models have recently emerged for on-demand peptide design, most focus on a single aspect, typically binding affinity, disregarding physicochemical properties and experimental validation. PeptimAIze addresses these gaps by developing a multi-objective deep learning model based on protein language processing that designs peptides by co-optimising binding to the target and the physicochemical properties necessary for optimal administrability and bioavailability. The model will incorporate explainable AI techniques to enhance interpretability and reveal which amino acids in the peptide sequence are associated with the tuning of each considered property. A key step will be the wet-lab validation of the model on targets responsible for vital bacterial functions (Doc/Phd) and cancer development (p53/MDM2 and Bcl-xL/Bak), demonstrating real-world lab applicability. To maximise impact and usability, the model will be deployed through an intuitive, user-friendly app, enabling researchers in academia and industry to design peptides with tailored properties.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE
Contributo netto dell'UE
€ 260 347,92
Indirizzo
SOUTH KENSINGTON CAMPUS EXHIBITION ROAD
SW7 2AZ London
Regno Unito
Regione
London Inner London — West Westminster
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato