Новая модель искусственного интеллекта, разработанная исследователями Университета Южной Калифорнии (USC) и опубликованная в журнале Nature Methods, способна предсказывать, как различные белки могут связываться с ДНК. Этот технологический прорыв обещает сократить время, необходимое для разработки новых лекарств и других медицинских препаратов.
Инструмент, названный Deep Predictor of Binding Specificity (DeepPBS), представляет собой геометрическую глубокую обучающую модель, которая предсказывает специфичность связывания белков и ДНК на основе структуры их комплексов. DeepPBS позволяет ученым вводить структуру комплекса белков и ДНК в онлайн-инструмент для вычислений.
«Структуры комплексов белков и ДНК обычно содержат белки, связанные с одной последовательностью ДНК. Для понимания генетической регуляции важно знать, как белок связывается с любой последовательностью ДНК или областью генома», — пояснил профессор Ремо Роуз, основатель кафедры количественной и вычислительной биологии в колледже Dornsife при USC. «DeepPBS — это инструмент ИИ, который заменяет необходимость в сложных экспериментах по высокопроизводительному секвенированию или структурной биологии для определения специфичности связывания белков и ДНК».
ИИ анализирует и предсказывает структуры белков и ДНК
DeepPBS использует геометрическую модель глубокого обучения, тип машинного обучения, который анализирует данные с использованием геометрических структур. Этот инструмент ИИ был разработан для захвата химических свойств и геометрического контекста белков и ДНК, чтобы предсказать их способность связываться.
На основе этих данных DeepPBS создает пространственные графы, которые иллюстрируют структуру белков и их взаимодействие с ДНК. Одним из преимуществ DeepPBS является его способность предсказывать специфичность связывания для различных семейств белков, в отличие от многих существующих методов, ограниченных только одним семейством белков.
«Важно, чтобы исследователи имели универсальный метод, который подходит для всех белков, а не только для хорошо изученных семейств. Это позволяет также разрабатывать новые белки», — отметил Роуз.
Важный прорыв в предсказании структуры белков
С момента появления AlphaFold, инструмента от DeepMind, который может предсказывать структуру белков по их последовательности, область предсказания структуры белков быстро развивается. Эти инструменты привели к увеличению объемов доступных для анализа структурных данных. DeepPBS работает в сочетании с методами предсказания структуры для определения специфичности связывания белков, для которых нет экспериментальных данных.
Роуз подчеркнул, что применение DeepPBS разнообразно. Этот новый метод может ускорить разработку лекарств и лечения для специфических мутаций в раковых клетках, а также открыть новые горизонты в синтетической биологии и исследованиях РНК.