PeSTo: новый ИИ-инструмент для предсказания взаимодействий белков

Ученые из EPFL разработали PeSTo — модель искусственного интеллекта, способную с высокой точностью предсказывать участки связывания белков при их взаимодействии с другими белками, нуклеиновыми кислотами, липидами, ионами и малыми молекулами. Низкая вычислительная стоимость модели позволяет обрабатывать большие объемы структурных данных, открывая возможности для новых биологических открытий. Исследование опубликовано в журнале Nature Communications.

Белки необходимы для биологических функций большинства живых организмов. Они эволюционировали для взаимодействия с другими белками, нуклеиновыми кислотами, липидами и т.д., и все эти взаимодействия образуют крупные "надмолекулярные" комплексы. Понимание белковых взаимодействий критически важно для понимания многих клеточных процессов.

Ученые из группы Маттео Даль Пераро в EPFL создали инструмент PeSTo (Protein Structure Transformer), который предсказывает специфические участки на поверхности белка, способные взаимодействовать не только с другими белками, но и с нуклеиновыми кислотами, липидами, ионами и малыми молекулами. Эти интерфейсы имеют решающее значение для формирования надмолекулярных комплексов и модуляции функций.

Как работает PeSTo?

PeSTo построен на основе нейронной сети, использующей технологию трансформеров. Трансформер — это тип нейронной сети, предназначенный для обработки последовательных данных, например, естественного языка, с использованием механизмов само-внимания для оценки важности разных частей входной последовательности.

"Модель оценивает химический и физический контекст каждого атома, исследуя все близлежащие атомы", — говорит Люсьен Крапп, главный разработчик PeSTo. "Используя механизм само-внимания, она фокусируется на значимых атомах и взаимодействиях внутри белковой структуры. Этот метод эффективно фиксирует сложные взаимодействия внутри белковых структур для точного предсказания интерфейсов связывания".

Поскольку предсказания PeSTo основаны исключительно на положении в пространстве и типе атомов, модель может делать прогнозы без необходимости описывать физику и химию белкового интерфейса с помощью дополнительных внешних методов. Это устраняет "накладные расходы" на предварительный расчет молекулярных поверхностей и дополнительных свойств, делая PeSTo намного быстрее, надежнее и универсальнее существующих методов.

Это также означает, что PeSTo работает достаточно быстро для обработки больших объемов данных о структуре белка, например, ансамблей из молекулярно-динамического моделирования или целых фолдомов. В конечном итоге это позволяет быстрее обнаруживать интерфейсы, которые остаются незамеченными в обычных статических структурах, определенных экспериментально.

PeSTo превосходит другие методы предсказания интерфейсов белковых взаимодействий и может с высокой достоверностью предсказывать взаимодействия с нуклеиновыми кислотами, липидами, лигандами, ионами и малыми молекулами.

PeSTo в применении к человеческому фолдому

Исследователи применили PeSTo к человеческому фолдому — растущей базе данных предсказанных белковых структур. Они проанализировали взаимодействия человеческих белков с другими молекулами и получили подробную информацию о человеческом "интерфейсоме" — совокупности всех интерфейсов взаимодействия белков в организме человека. Для этого использовалась база данных AlphaFold European Bioinformatics Institute (AF-EBI).

Исследователи сделали PeSTo доступным через удобный веб-сервер, бесплатно и без предварительной регистрации. Сервер может принимать любую белковую структуру в формате PDB. Предсказанные интерфейсы можно визуализировать прямо в браузере с дополнительной информацией о достоверности предсказания для каждого остатка.

Ученые подчеркивают многочисленные преимущества PeSTo перед старыми методами, в частности, способность работать со всеми видами молекул без необходимости знать все детали их химии и физики. Это делает PeSTo более гибким, мощным и универсальным инструментом для изучения молекулярных систем и их взаимодействий.