Что искусственный интеллект может рассказать нам о белках

Белки выполняют жизненно важные задачи в организме: строят и восстанавливают ткани, входят в состав иммунной и гормональной систем, регулируют метаболизм и передают сигналы. Исследователи из Берлина и Гейдельберга разработали интеллектуальную нейронную сеть, способную предсказывать функции белков в организме человека. Команда использовала специальный «трюк», чтобы понять, как сеть делает свои прогнозы. Эти знания могут помочь в поиске новых целевых лекарств.

Огромные объемы данных в науках о жизни можно эффективно анализировать с помощью алгоритмов. Некоторые программы способны находить повторяющиеся структуры в крупных белковых молекулах и делать выводы об их функциях в клетке — например, являются ли они генными переключателями, молекулярными моторами или сигнальными молекулами. Прогнозы таких алгоритмов, основанные на белковых последовательностях (цепочках аминокислот), сегодня чрезвычайно точны.

Однако главный недостаток прежних методов в том, что пользователи не понимают, почему алгоритм присваивает определенной последовательности конкретную функцию. Точные знания компьютера о белках остаются недоступными, хотя они могли бы оказаться бесценными для исследований и разработки новых препаратов.

Студенческая команда под руководством Роланда Айлса и Ирины Леманн из Берлинского института здоровья (BIH) и клиники «Шарите», в сотрудничестве с Домиником Ниопеком из Института фармации и молекулярной биотехнологии (IPMB) Гейдельбергского университета, поставила цель «извлечь» эти знания из компьютера. Они начали работу в 2017 году и создали алгоритм «DeeProtein» — комплексную интеллектуальную нейронную сеть, предсказывающую функции белков на основе последовательности аминокислот. Как и большинство обучаемых алгоритмов, DeeProtein — «черный ящик», чья работа остается загадкой. Но студенты нашли способ раскрыть секрет этой сети.

Ученые разработали метод, позволяющий образно говоря «заглянуть через плечо» программе во время ее работы. «В анализе чувствительности мы последовательно маскируем каждую позицию в белковой последовательности и позволяем DeeProtein предсказать функцию белка на основе этой неполной информации, — объясняет Юлиус Упмайер цу Бельцен, ведущий автор статьи, опубликованной в журнале Nature Machine Intelligence. — Затем мы даем DeeProtein полную последовательность и сравниваем два набора прогнозов. Таким образом, для каждой позиции в белковой последовательности мы вычисляем, насколько она важна для предсказания правильной функции. То есть мы присваиваем каждой позиции или аминокислоте в белковой цепи значение чувствительности для функции белка».

Новый аналитический метод позволяет идентифицировать области белков, жизненно важные для их функции. Метод работает как для сигнальных белков, участвующих в канцерогенезе, так и для инструмента редактирования генов CRISPR-Cas9, который уже протестирован в многочисленных доклинических и клинических исследованиях. «Анализ чувствительности позволяет нам определить области белка, которые хорошо или плохо переносят изменения, — говорит Доминик Ниопек. — Это важный первый шаг, если мы хотим целенаправленно изменять белки, чтобы наделить их новыми функциями или «отключить» нежелательные свойства».

«Этой работой мы показываем, что полезны не только предсказания нейронных сетей, но и то, что мы теперь впервые можем использовать эти скрытые знания для практических целей», — объясняет Роланд Айлс. Этот подход актуален для многих задач молекулярной биологии и медицины. «Если, например, мы хотим разрабатывать целевые лекарства или генные терапии, нам нужно точно знать, на чем сосредоточить внимание, — добавляет Айлс. — DeeProtein теперь может помочь нам в этом».