Прорывный инструмент Cryo2Struct строит 3D-структуры белковых комплексов для новых методов лечения

Исследователь из Университета Миссури создал компьютерную программу, способную раскрывать тайны взаимодействия белков, что дает ученым ценную информацию для улучшения профилактики, диагностики и лечения рака и других заболеваний.

Цзяньлинь "Джек" Ченг из Колледжа инженерии Mizzou и его студент Набин Гири разработали инструмент Cryo2Struct, который использует искусственный интеллект (ИИ) для построения трехмерной атомной структуры крупных белковых комплексов. Работа недавно опубликована в Nature Communications. Модель использует данные снимков замороженных молекул, полученных мощными микроскопами, или изображений крио-электронной микроскопии (cryo-EM).

"Cryo-EM сейчас — это революционная, ключевая технология для определения структур и сборок крупных белков в клетках", — сказал Ченг.

Однако построение белковых структур из данных Cryo-EM трудоемко и требует значительного человеческого вмешательства, что делает процесс длительным и трудновоспроизводимым. Техника команды Ченга полностью автоматизирована и генерирует более точные структуры, чем существующие методы.

Предсказание белков

Белки — это строительные блоки жизни. Они начинаются как цепочки аминокислот, которые сворачиваются в трехмерные формы. Эти формы определяют, как белок будет функционировать.

Более 50 лет этот процесс сворачивания ставил исследователей в тупик. Ченг был одним из первых, кто применил глубокое обучение, тип ИИ, к этой проблеме. В 2012 году он продемонстрировал модель на основе ИИ, доказав, что глубокое обучение может предсказывать белковые структуры. Эта работа проложила путь для революционных достижений, включая AlphaFold от Google, который сейчас считается самым точным инструментом в мире для предсказания белковых структур.

Но предсказание структуры одного белка — это только половина проблемы. В реальном мире белки работают вместе как молекулярные машины, выполняющие сложные биологические функции. Понимание взаимодействий белков критически важно, так как они определяют развитие болезней и помогают ученым найти оптимальные методы лечения.

Раскрытие кода

Cryo2Struct работает подобно детективу, раскрывающему дело без каких-либо зацепок.

Система анализирует изображения cryo-EM, идентифицирует отдельные атомы и их положение в белковом комплексе, даже при отсутствии предварительных знаний о структуре. Затем система может собрать эти атомы в полную 3D-модель белковых комплексов, давая представление о том, как функционируют белки.

"Наша технология позволяет ученым определять и строить структуру по данным cryo-EM. Как только у вас есть эта структура и вы понимаете ее функции, вы можете разрабатывать лекарства, чтобы противодействовать любым ошибочным функциям белкового комплекса и заставить его работать правильно", — объяснил Ченг.

В связанной статье, опубликованной в Communications Chemistry, Ченг и его студент Алекс Морехед исследовали другой метод ИИ, называемый диффузионной моделью, моделируя, как молекулярные структуры эволюционируют из случайного шума в четко определенные формы. Эти методы могут помочь ученым генерировать и оптимизировать малые молекулы, включая лекарства, и определять, как и где эти препараты связываются с белками.

"Например, у меня есть лекарство, и я хочу, чтобы оно лучше работало для некоторых пациентов. Теперь я могу использовать ИИ, чтобы изменить и оптимизировать его", — сказал Ченг.

Междисциплинарные ресурсы Mizzou помогли сделать этот прорыв возможным. Ченг является исследователем в NextGen Precision Health, где у него есть доступ к Cryo-EM и микроскопии высокого разрешения.

"Возможности в Mizzou для сотрудничества с другими исследователями и использования самого современного оборудования не имеют аналогов. В NextGen мы все работаем над продвижением высокоиндивидуализированного здравоохранения, и такие технологии, как Cryo2Struct, помогут сделать это возможным".