Все новости

Нейросеть научилась анализировать белковые структуры менее чем за секунду

Это можно будет использовать в поиске новых лекарств

ТАСС, 5 августа. Российские ученые обучили нейросеть искать места связывания белков с пептидами. Это нужно, чтобы ускорить поиск пептидных лекарств – полученная модель анализирует одну белковую структуру менее чем за секунду. Результаты работы опубликовал Journal of Chemical Information and Modeling, кратко об этом пишет пресс-служба Сколковского института науки и технологий.

"[Ученые] представили эффективную нейросетевую модель, которая на основе информации о структуре белков предсказывает, какие их участки взаимодействуют с биологическими молекулами из класса пептидов. Такие предсказания нужны для разработки эффективных и нетоксичных пептидных лекарств, которые смогут точечно влиять на взаимодействия между белками в клетке и тем самым регулировать широкий спектр процессов в организме", – говорится в сообщении.

Возможность повлиять на взаимодействия между белками очень привлекательна для ученых. Однако как потенциальные мишени лекарств они казались недостижимыми, так как крупным лекарственным молекулам биопрепаратов не достать белки внутри клетки из-за оболочки, а низкомолекулярные препараты зачастую не могут оказать на них необходимое воздействие.

При этом пептиды, которые выступают в роли естественных посредников и регуляторов в 40% клеточных процессов, занимают промежуточное положение между низкомолекулярными и биопрепаратами, объединяя их сильные стороны. Однако для разработки пептидных лекарств нужно знать так называемые сайты (места) связывания – участки белковой молекулы, которые вступают во взаимодействие с пептидами. Чем больше сайтов известно, тем шире возможности для создания медицинских препаратов.

Сайты связывания можно обнаружить экспериментальными методами. Однако такие исследования дороги при переборе большого количества белковых мишеней или биоактивных молекул. Альтернативой служат вычислительные методы, которые дают результаты быстрее и дешевле. Многие из них предсказывают сайты связывания с использованием машинного обучения. Это значит, что предсказания становятся точнее по мере накопления информации о структуре комплексов "белок – пептид".

В новой работе ученые представили вычислительный метод BiteNetPp, с помощью которого для обнаружения мест связывания пептидов с белками можно использовать сверточные нейросети. В качестве входящих данных в данном случае используется известная структура белка, а на выходе модель выдает предположительные координаты сайтов связывания, а также оценку достоверности своего прогноза. Как отмечают авторы работы, модель обнаруживает сайты связывания по принципу распознавания изображений.

"Нейронные сети уже давно обучают распознавать, например, фигуры пешеходов или велосипедистов на обычных двумерных снимках. Мы рассматриваем обнаружение сайтов связывания как подобного рода поиск объекта на картинке. Разница в том, что мы подаем на вход модели не плоскую картинку, а трехмерную атомарную структуру белка, и модель оперирует не пикселями, а их 3D-аналогом – вокселями", – сказал руководитель исследования Петр Попов.

Авторы модели сравнили работу BiteNetPp и основных используемых сегодня вычислительных методов предсказания сайтов связывания пептидов белком. И продемонстрировали, что модель стабильно превосходит конкурирующие методы по точности воспроизведения экспериментальных данных. При этом немаловажно, что модель проводит анализ одной белковой структуры менее чем за секунду, что делает метод применимым в масштабных исследованиях.