Новая ИИ-модель предсказывает транспорт субстратов в клетки и из них
Транспортные белки отвечают за постоянное движение субстратов в биологическую клетку и из нее. Однако определить, какие субстраты может транспортировать конкретный белок, сложно. Биоинформатики из Университета Генриха Гейне в Дюссельдорфе (HHU) разработали модель SPOT, которая с высокой точностью может предсказывать это с помощью искусственного интеллекта (ИИ).
Субстраты в биологических клетках должны непрерывно транспортироваться через клеточную мембрану для выживания клеток и выполнения их функций. Эти активные и специализированные транспортные каналы представляют собой транспортные белки (транспортеры), встроенные в клеточные мембраны. Каждый транспортер настроен на конкретную молекулу — субстрат — или небольшую группу субстратов.
Экспериментальное определение пар «транспортер–субстрат» затруднено. Даже определение трехмерной структуры транспортера, из которой можно выявить субстраты, является проблемой, так как белки становятся нестабильными при выделении из мембраны.
Исследователи выбрали подход на основе ИИ. Их метод SPOT использовал более 8500 уже экспериментально подтвержденных пар «транспортер–субстрат» в качестве обучающего набора данных для модели глубокого обучения.
Чтобы компьютер мог обрабатывать белки и молекулы субстратов, биоинформатики сначала преобразовали белковые последовательности и молекулы субстратов в числовые векторы. После завершения обучения вектор для нового транспортера и векторы для потенциально подходящих субстратов вводятся в ИИ-систему. Модель предсказывает, насколько вероятно, что определенные субстраты подойдут транспортеру.
Обученная модель была проверена на независимом тестовом наборе данных, где пары также были известны. SPOT предсказывает с точностью выше 92%, является ли произвольная молекула субстратом для конкретного транспортера.
Это позволяет значительно сузить область поиска для экспериментаторов и ускорить процесс идентификации субстрата для транспортера в лаборатории. Подход применим для любого произвольного транспортного белка, а не только для ограниченных классов похожих белков, как в других подходах.
Потенциальные области применения модели включают:
- Биотехнологию — модификацию метаболических путей для производства специфических продуктов, таких как биотопливо.
- Фармакологию — адаптацию лекарств к транспортерам для облегчения их попадания именно в те клетки, где они должны подействовать.