AI и биофизика: новый подход выявляет критические точки взаимодействия в раковых белках
Исследователи из Университета Оберна совместно с учёными из Базельского университета и ETH Zurich совершили прорыв в борьбе с раком. Команда под руководством доктора Рафаэля Бернарди, адъюнкт-профессора биофизики, разработала новый подход, объединяющий искусственный интеллект (ИИ), молекулярно-динамическое моделирование и сетевой анализ для улучшения предсказания сайтов связывания на белке PD-L1. Эта работа ускорит разработку персонализированных методов лечения рака.
Исследование, опубликованное в Journal of the American Chemical Society, посвящено пониманию того, как терапевтические белки взаимодействуют с PD-L1 — белком, который помогает раковым клеткам уклоняться от иммунной системы. Результаты могут быть использованы для улучшения иммунотерапий, таких как пембролизумаб (Кейтруда).
"Использование вычислительных инструментов для конструирования белков представляет собой следующий рубеж в терапии рака. Наш интегрированный подход, сочетающий ИИ, молекулярную динамику и сетевой анализ, обладает огромным потенциалом для разработки персонализированных методов лечения", — заявил доктор Бернарди.
Картирование будущего терапии рака
Одна из главных проблем — точное предсказание места связывания лекарства с белком-мишенью. Учёные сосредоточились на PD-L1, контрольной точке, которую рак использует для подавления иммунитета. Блокирование PD-L1 позволяет иммунной системе атаковать опухоли, но определение точных мишеней для новых методов лечения оставалось сложной задачей.
Команда разработала метод, сочетающий инструменты ИИ на основе AlphaFold2, молекулярно-динамическое моделирование и динамический сетевой анализ. Этот подход позволил предсказать и подтвердить ключевые области связывания в белке PD-L1, критически важные для взаимодействия с лекарствами.
"Эта работа демонстрирует важность сотрудничества между вычислительной командой в Оберне и экспериментальной валидацией наших коллег из Швейцарии", — сказал ведущий автор работы доктор Диего Гомес.
Вычислительный подход был подтверждён экспериментальными методами, включая масс-спектрометрию сшивания и секвенирование нового поколения. Эксперименты подтвердили точность предсказаний команды, продемонстрировав силу сочетания вычислительных моделей с экспериментальной проверкой.
Значение и перспективы
Значение этого исследования выходит за рамки PD-L1. Разработанные методы можно применить ко многим другим белкам, что потенциально приведёт к открытию новых мишеней для лекарств против различных заболеваний, включая другие типы рака и аутоиммунные состояния. Кроме того, это исследование прокладывает путь к более экономичной и быстрой разработке терапевтических средств.
"Это исследование подчёркивает потенциал вычислительных инструментов, таких как NAMD и VMD, в сочетании с современным оборудованием, таким как системы NVIDIA DGX, для развития терапии рака. Наши результаты знаменуют собой значительный шаг к разработке новых целевых методов лечения", — добавил Гомес.