Новые модели помогают предсказывать динамические сигнатуры белков
Исследователи из Университета Коннектикута разработали вычислительную модель для предсказания функциональных свойств белков на основе анализа их естественных движений и флуктуаций — «покачиваний» (wiggles).
Суть исследования
- Статья об исследовании, проведённом доцентом Анной Таракановой и аспирантом Мохаммадом Мадани, опубликована в журнале Matter.
- Учёные сосредоточились на предсказании способности белков к образованию высококачественных кристаллов, что критически важно для рентгеноструктурного анализа и разработки лекарств.
- Они создали новый вычислительный инструмент, который использует передовые методы для анализа динамики белков и точного предсказания их склонности к кристаллизации.
Ключевые выводы и инструмент
- Знания только о последовательности аминокислот и структуре белка недостаточно для предсказания его поведения. Именно динамика («покачивания») управляет его функциональными возможностями.
- Разработанная модель DSDCrystal интегрирует физические модели, учитывающие динамику белка, в предсказание кристаллизации, что ранее не делалось комплексно.
- DSDCrystal превосходит существующие модели и представляет собой прорыв в точном предсказании склонности белков к кристаллизации.
Будущие направления
Модель планируется адаптировать для предсказания других важных свойств белков:
- Стабильность белков — для понимания их работы в различных условиях.
- Белок-белковые взаимодействия — для изучения сложных биологических процессов.
- Критические функциональные сайты внутри белков, важные для их биологической активности.
Итог
Исследование знаменует значительный прогресс в структурной биологии. Создаётся универсальный инструмент для предсказания множества свойств белков, что может ускорить исследования в молекулярной биологии, биотехнологии и фармакологии.