Компьютерное зрение помогает находить сайты связывания в мишенях для лекарств

Ученые группы iMolecule из Центра вычислительных и интенсивных по данным наук и инженерии (CDISE) Сколтеха разработали алгоритм машинного обучения BiteNet, который помогает находить сайты связывания лекарств — потенциальные мишени — в белках. BiteNet может проанализировать 1000 белковых структур за 1,5 минуты и найти оптимальные места для присоединения молекул лекарств. Исследование опубликовано в Communications Biology.

Белки, управляющие большинством биологических процессов, обычно являются главными мишенями для лекарств. Чтобы оказать терапевтический эффект, лекарство должно присоединиться к белку в специфических участках — сайтах связывания. Способность белка связывать лекарство определяется аминокислотной последовательностью и пространственной структурой сайта. Сайты связывания — настоящие «горячие точки» в фармакологии. Чем больше таких сайтов известно, тем больше возможностей для создания эффективных и безопасных препаратов.

Доцент Сколтеха CDISE Петр Попов и аспирант Игорь Козловский разработали новый вычислительный подход для пространственно-временного обнаружения сайтов связывания в белках, применив алгоритмы глубокого обучения и компьютерное зрение к белковым структурам, рассматриваемым как 3D-изображения. Эта технология позволяет обнаруживать даже труднодоступные сайты: например, ученым удалось обнаружить сайты, скрытые в экспериментальных атомных структурах или образованные несколькими белковыми молекулами для ионного канала, G-белок-сопряженного рецептора и эпидермального фактора роста — одной из важнейших мишеней для лекарств.

«Геном человека состоит почти из 20 000 белков, и лишь немногие из них связаны с фармакологической мишенью. Наш подход позволяет искать в белке сайты связывания для лекарственно-подобных соединений, расширяя массив возможных фармакологических мишеней. Кроме того, первоначальное создание лекарств на основе структуры сильно зависит от выбора атомной структуры белка. Работа со структурой, где сайт связывания заблокирован для лекарства или отсутствует вовсе, может провалиться. Наш метод позволяет анализировать большое количество структур в белке и находить наиболее подходящую для конкретного этапа», — говорит ведущий автор исследования Петр Попов.

По словам первого автора статьи Игоря Козловского, BiteNet превосходит аналоги как по скорости, так и по точности: «BiteNet основан на компьютерном зрении, мы рассматриваем белковые структуры как изображения, а сайты связывания — как объекты для обнаружения на этих изображениях. На анализ одной пространственной структуры уходит около 0,1 секунды, а на оценку 1000 белковых структур размером около 2000 атомов — 1,5 минуты».