Новый подход к моделированию эволюции белков

Исследователи из Университета Вирджинии разработали метод ASPEN (Accuracy through Subsampling of Protein EvolutioN), который позволяет гораздо точнее восстанавливать ход эволюционных изменений белков. Работа опубликована в журнале eLife.

Суть метода

• Проблема: Существующие модели эволюции белков часто неточны, особенно когда похожие белки у разных видов эволюционировали для выполнения разных функций.
• Решение ASPEN: Вместо поиска одной "лучшей" модели, метод анализирует множество (например, 1000) возможных эволюционных сценариев ("маршрутов").
• Принцип: Выявляются фрагменты эволюционного пути, которые чаще всего повторяются во всех моделях. Комбинируя эти наиболее вероятные "участки пути", можно построить новую, более точную обобщённую модель, чем любая из исходных.

Аналогия: Чтобы угадать маршрут путешествия из Сан-Франциско в Нью-Йорк, точнее не выбрать один предполагаемый путь, а найти отрезки дороги (например, конкретные шоссе), которые включают в большинство предложенных маршрутов, и собрать из них новый, наиболее вероятный путь.

Как было сделано открытие

Идея возникла, когда аспирант Роман Слуцкий изучал эволюцию важного белка клеточной сигнализации. Он сгенерировал 1000 моделей его эволюционного расхождения, но ни одна модель не повторялась часто. Это заставило исследователей не выбирать лучшую модель, а искать общее во всех них.

Значение и применение

• Понимание болезней: Поскольку всё в организме делается белками, точная реконструкция их эволюции поможет понять, как работают молекулярные механизмы и как они ломаются при таких заболеваниях, как рак.
• Дизайн лекарств: Метод позволит понять, как эволюционировали очень похожие белки, и создавать более специфичные лекарства, нацеленные точно на нужный белок.
• Открытый доступ: Исходный код и данные опубликованы, чтобы другие учёные могли использовать этот инструмент для более точного моделирования.

Цитата Кристен Нагле: "Большинство используемых сегодня моделей эволюции белков, вероятно, неверны. Теперь у нас есть способ оценить эти модели и использовать то, что в них верно, для построения лучших моделей".

Исследователи подчёркивают, что, как и любая модель, их метод не может дать 100% точности, но он "намного лучше, чем любое отдельное предположение".