Новый инструмент для генерации и дизайна белковых последовательностей

Исследователи из EPFL разработали новый метод, использующий языковую модель для белков, чтобы генерировать белковые последовательности со свойствами, сравнимыми с природными. Метод превосходит традиционные модели и открывает перспективы для белкового дизайна.

Поиск новых белков со специфической структурой и функцией — важная цель биоинженерии, но огромный размер пространства белковых последовательностей затрудняет его. Группа Анн-Флоренс Битболь из Школы наук о жизни EPFL обнаружила, что нейросеть глубокого обучения MSA Transformer может стать перспективным решением.

Созданный в 2021 году, MSA Transformer работает аналогично обработке естественного языка, как в известном ChatGPT. Команда в составе Дамиано Сгарбоссы, Умберто Лупо и Анн-Флоренс Битболь предложила и протестировала «итеративный метод», который использует способность модели предсказывать недостающие или «замаскированные» части последовательности на основе контекста.

Оказалось, что с помощью этого подхода MSA Transformer можно использовать для генерации новых белковых последовательностей из заданных белковых «семейств» (групп белков со схожими последовательностями), причём их свойства будут схожи с природными.

Последовательности, сгенерированные из крупных семейств со множеством гомологов, имели лучшие или аналогичные свойства, чем последовательности, созданные моделями Поттса. «Модель Поттса — это совершенно другой тип генеративной модели, не основанный на обработке естественного языка или глубоком обучении, которая недавно получила экспериментальное подтверждение, — объясняет Битболь. — Наш новый подход на основе MSA Transformer позволил генерировать белки даже из небольших семейств, где модели Поттса работают плохо».

MSA Transformer точнее воспроизводит статистику высокого порядка и распределение последовательностей в природных данных по сравнению с другими моделями, что делает его сильным кандидатом для генерации белковых последовательностей и белкового дизайна.

«Эта работа может привести к созданию новых белков с определёнными структурами и функциями; такие подходы, будем надеяться, позволят реализовать важные медицинские применения в будущем, — говорит Битболь. — Потенциал MSA Transformer как сильного кандидата для белкового дизайна открывает захватывающие новые возможности для области биоинженерии».

Исследование опубликовано в журнале eLife. Редакторы журнала отметили: «Это важное исследование предлагает метод для выборки новых последовательностей из языковой модели белков, который может иметь захватывающие применения в дизайне белковых последовательностей. Утверждения подтверждаются солидным сравнительным анализом разработанных последовательностей с точки зрения качества, новизны и разнообразия».