Большие данные для предсказания структуры белка

Белки — молекулярные универсалы в наших клетках. Если они работают неправильно, это может привести к тяжёлым заболеваниям, таким как болезнь Альцгеймера. Для разработки методов "ремонта" неисправных белков необходимо знать их структуру. Исследователи из Карлсруэского технологического института (KIT) разработали метод предсказания структур белков с помощью подхода больших данных.

В Proceedings of the National Academy of Sciences (PNAS) учёные сообщают, что им удалось предсказать даже самые сложные структуры белков с помощью статистического анализа, независимо от эксперимента. Экспериментальное определение структуры белков — трудоёмкий процесс, не гарантирующий успеха.

Базовые структуры белков со сходными функциями похожи у разных организмов. «Природа не изобретает белки для различных живых организмов заново, а варьирует их с помощью эволюционных мутаций и отбора», — говорит Александр Шуг из Центра вычислений Штайнбуха (SCC). Если мутации происходят парами, то вовлечённые участки белка обычно расположены близко друг к другу в пространстве. С помощью компьютера данные о множестве таких пространственно смежных участков можно собрать в точное предсказание трёхмерной структуры, как в большом пазле. «Чтобы понять функцию белка в деталях и, по возможности, влиять на неё, необходимо знать положение каждого отдельного атома», — поясняет Шуг.

В своей работе физик использует междисциплинарный подход, основанный на методах и ресурсах информатики и биохимии. С помощью суперкомпьютеров он проанализировал общедоступную генетическую информацию тысяч организмов — от бактерий до человека — в поисках коррелирующих мутаций. «Комбинируя новейшие технологии и настоящее сокровище наборов данных, мы изучили почти две тысячи различных белков. Это совершенно новое измерение по сравнению с предыдущими исследованиями», — добавляет Шуг.

Он подчёркивает, что это демонстрирует высокую производительность метода, который обещает большой потенциал для применения — от молекулярной биологии до медицины. Хотя текущая работа является фундаментальным исследованием, её результаты в будущем могут быть использованы в новых методах лечения заболеваний.