ИИ-модель предсказывает точность связывания белка с ДНК

Исследователи из Университета Южной Калифорнии (USC) разработали новую модель искусственного интеллекта, которая может предсказывать, как различные белки связываются с ДНК. Модель, опубликованная в Nature Methods, демонстрирует точность для разных типов белков, что обещает сократить время разработки новых лекарств и методов лечения.

Инструмент под названием Deep Predictor of Binding Specificity (DeepPBS) — это геометрическая модель глубокого обучения, созданная для предсказания специфичности связывания белок–ДНК на основе структур комплексов. Учёные могут загружать структурные данные комплекса в онлайн-вычислительный инструмент.

"Структуры комплексов белок–ДНК обычно содержат белок, связанный с одной последовательностью ДНК. Для понимания регуляции генов важно знать специфичность связывания белка с любой последовательностью ДНК или участком генома", — пояснил Ремо Рос, профессор и основатель кафедры количественной и вычислительной биологии в USC Dornsife College. — "DeepPBS — это инструмент ИИ, который заменяет необходимость в высокопроизводительном секвенировании или экспериментах структурной биологии для определения специфичности связывания".

Как работает DeepPBS

Модель использует геометрическое глубокое обучение — подход машинного обучения, анализирующий данные с помощью геометрических структур. ИИ-инструмент захватывает химические свойства и геометрический контекст взаимодействия белка и ДНК для предсказания специфичности связывания.

На основе этих данных DeepPBS генерирует пространственные графы, иллюстрирующие структуру белка и взаимосвязь между представлениями белка и ДНК. Ключевое преимущество — модель может предсказывать специфичность связывания для различных семейств белков, в отличие от многих существующих методов, ограниченных одним семейством.

"Для исследователей важно иметь метод, который работает универсально для всех белков и не ограничен хорошо изученным семейством. Этот подход также позволяет нам проектировать новые белки", — отметил Ремо Рос.

Прогресс в предсказании структур

Область предсказания структуры белков быстро развивается после появления AlphaFold от DeepMind, который предсказывает структуру белка по последовательности. Эти инструменты привели к увеличению объёма структурных данных, доступных для анализа. DeepPBS работает в связке с методами предсказания структуры для определения специфичности белков, для которых нет экспериментальных структур.

Применения DeepPBS многочисленны. Новый метод может ускорить:

• Разработку новых лекарств и методов лечения для специфических мутаций в раковых клетках.
• Открытия в синтетической биологии.
• Применения в исследованиях РНК.