Упрощённый редизайн белков может улучшить связывание лигандов
Исследователи из Университета Алабамы в Бирмингеме представили упрощённый метод ProteinReDiff, который использует искусственный интеллект для ускоренного редизайна белков, связывающих лиганды.
Суть метода
ProteinReDiff (Protein Redesign based on Diffusion Models) — это ИИ-фреймворк, который позволяет проектировать белки с высокой аффинностью к лигандам, не полагаясь на детальную структурную информацию. Для работы ему требуются только:
- Исходная аминокислотная последовательность белка.
- Строка SMILES (Simplified Molecular Input Line Entry System), описывающая структуру лиганда.
Ключевая особенность — «слепой докинг» (blind docking), который предсказывает взаимодействие перепроектированного белка с лигандом без информации о заранее заданном сайте связывания.
Технические улучшения
Метод включает ключевые усовершенствования, вдохновлённые модулями обучения представлений из архитектуры AlphaFold2. Это позволяет ProteinReDiff:
- Улавливать сложные белок-лигандные взаимодействия.
- Повышать точность предсказания аффинности связывания.
- Обеспечивать более точный редизайн.
Сравнение с другими моделями
Учёные сравнили ProteinReDiff с восемью другими вычислительными моделями:
- По входным данным: Шесть из восьми моделей требуют информации о структуре белка. Только ProteinReDiff и модель DPL работают исключительно с последовательностью белка и SMILES лиганда.
- По выходным данным: Только ProteinReDiff генерирует новые конструкции, включающие аминокислотную последовательность, структуру белка и структуру лиганда.
- По производительности: Перепроектированные белки от ProteinReDiff показали превосходящее улучшение аффинности связывания лиганда по сравнению с другими моделями, а также хорошее разнообразие последовательностей и сохранение структуры.
Значение
Этот подход значительно снижает зависимость от детальных структурных данных и расширяет возможности для исследования белок-лигандных взаимодействий на основе последовательностей. Метод открывает новые перспективы для моделирования комплексов и имеет значительный потенциал в биотехнологии и фармацевтике.
Исследование опубликовано в журнале Structural Dynamics.