DiffPALM: новый ИИ-метод для точного прогнозирования взаимодействий белков

Понимание того, как белки взаимодействуют друг с другом, критически важно для расшифровки клеточных функций и имеет серьёзные последствия для разработки лекарств. Однако предсказание партнёров по взаимодействию было сложной задачей из-за огромного разнообразия белковых структур.

Группа Анны-Флоренс Битболь из EPFL разработала новый подход на основе искусственного интеллекта — DiffPALM (Differentiable Pairing using Alignment-based Language Models). Метод использует языковые модели белков — концепцию машинного обучения, заимствованную из обработки естественного языка, — для анализа и прогнозирования взаимодействий между членами двух белковых семей с беспрецедентной точностью.

Ключевые преимущества DiffPALM:

• Высокая точность: Превосходит традиционные методы, основанные на коэволюции, на сложных тестовых наборах.
• Универсальность: Может работать даже с небольшими наборами последовательностей, что позволяет изучать редкие белки с малым числом гомологов.
• Структурное предсказание: Обладает большим потенциалом для прогнозирования структуры белковых комплексов — сложных структур, образованных связыванием нескольких белков.

Метод опирается на языковые модели белков, обученные на множественных выравниваниях последовательностей (MSA), такие как MSA Transformer и модуль EvoFormer от AlphaFold. Это позволяет ему понимать и предсказывать сложные взаимодействия.

Исследователи сделали DiffPALM свободно доступным для научного сообщества. Метод открывает новые возможности не только в фундаментальной биологии белков, но и в медицинских исследованиях, помогая понять механизмы заболеваний и разработать целенаправленные терапии.