Суперкомпьютерное моделирование динамики микротрубочек открывает новые перспективы в изучении нейродегенеративных заболеваний
Микротрубочки (МТ) — это динамические полимеры, играющие ключевую роль в делении клеток и внутриклеточном транспорте. Они состоят из белковых субъединиц тубулина, которые могут присоединяться или отсоединяться на концах МТ.
Учёные из Чикагского и Ютского университетов с помощью суперкомпьютерного моделирования обнаружили новое поведение на концах микротрубочек — местах их роста или разрушения. Это фундаментальное исследование стабильности МТ может помочь в понимании нейродегенеративных заболеваний, таких как болезнь Альцгеймера и Паркинсона, а также в разработке противораковых препаратов.
Ключевой процесс: гидролиз GTP
Исследование, опубликованное в Biophysical Journal (январь 2025), было сосредоточено на химическом превращении гуанозинтрифосфата (GTP) в гуанозиндифосфат (GDP) на концах микротрубочек. Это преобразование ускоряет как полимеризацию, так и деполимеризацию МТ — процесс, известный как «динамическая нестабильность».
Новое понимание структуры концов МТ
Ранее считалось, что концы микротрубочек расходятся («распускаются») только после превращения GTP в GDP. Однако моделирование показало, что концы МТ всегда в той или иной степени расходятся. Суперкомпьютерные расчёты позволили выявить ключевые, но тонкие различия в структуре концов в зависимости от того, связаны ли они с GTP или GDP.
Прорыв в методах моделирования
Команда достигла двукратного ускорения вычислений, объединив:
- Всеатомное молекулярно-динамическое (AA MD) моделирование системы из 21–38 миллионов атомов на протяжении 4 микросекунд. На это потребовалось 56 миллионов CPU-часов на суперкомпьютере Frontera.
- Метод машинного обучения, который расширил моделирование до 5,875 микросекунды, сэкономив 15 миллионов CPU-часов и позволив наблюдать динамику, недоступную для одного только AA MD.
Этот «безуравненный» многоуровневый подход использовал данные AA MD для обучения алгоритма, что позволило синергетически достичь новых масштабов моделирования.
Связь с предыдущими исследованиями и значение
Для построения моделей использовались современные изображения микротрубочек, полученные методом крио-электронной томографии. Работа продолжает подход, ранее применённый на Frontera для моделирования капсида ВИЧ-1 с использованием coarse-grain моделей.
Как отметил профессор Грегори Вот, суперкомпьютеры предоставляют точные данные, необходимые для использования машинного обучения в открытии нового поведения критически важных белковых комплексов в клетках. Это исследование раскрывает новые детали, актуальные для понимания живых клеток.