Разработана модель глубокого обучения для предсказания конформационных изменений белка

Исследовательская группа предложила модель глубокого обучения для предсказания конформационных изменений белков. Работа опубликована в Advanced Science.

Хотя модели глубокого обучения, такие как AlphaFold, успешно предсказывают статические структуры белков, их функция зависит от динамических характеристик. Основная проблема при разработке моделей для предсказания динамики (например, конформационных изменений) — острая нехватка кинетических данных.

Чтобы решить эту проблему, исследователи объединили физически ограниченную coarse-grained модель молекулярной динамики с методами enhanced sampling. Это создало эффективную вычислительную платформу для моделирования аллостерии белков.

С помощью этого подхода были смоделированы конформационные изменения 2 635 белков, существующих в двух известных стабильных состояниях. Была получена структурная информация вдоль каждого пути перехода. Результатом стало создание первой крупномасштабной базы данных динамики белков.

На основе этой базы данных команда разработала общую модель глубокого обучения PATHpre, предназначенную для предсказания аллостерических путей между двумя стабильными состояниями белков. Модель продемонстрировала надежную предсказательную способность для белков с разной длиной последовательности — от 44 до 704 аминокислот — и была эффективна для нескольких аллостерических систем, включая морфогенные белки.

Предсказания модели были проверены на экспериментальных и симуляционных данных для нескольких систем и показали согласованные результаты. Модель также выявила новый механизм аллостерической регуляции в человеческом β-кардиальном миозине — белке, критически важном для работы сердца.

Разработка модели PATHpre представляет собой значительный шаг вперед в прогностическом моделировании динамики белков. Её способность предсказывать не только переходное состояние, но и весь путь конформационных изменений открывает новые возможности для понимания функции и регуляции белков. Модель может сыграть ключевую роль в разработке новых терапевтических средств, нацеленных на болезни, связанные с неправильным сворачиванием белков.

В исследовании участвовали профессор Цянь Ван из Научно-технического университета Китая (USTC) Академии наук Китая (CAS) и профессор Фан Бай из Шанхайского технологического университета (ShanghaiTech University).