Инструмент глубокого обучения «вычислительный микроскоп» предсказывает взаимодействия белков и возможные пути к новым антибиотикам

Исследователи показали, что инструмент AF2Complex может помочь в изучении сворачивания и транспорта белков — сложного и длительного экспериментального процесса.

В новой статье в eLife ученые из Школы биологических наук и Школы компьютерных наук продемонстрировали возможности AF2Complex.

Этот инструмент глубокого обучения, основанный на моделях AlphaFold 2 от DeepMind, предназначен для предсказания физического взаимодействия нескольких белков. В отличие от AlphaFold 2, который предсказывает трехмерные структуры отдельных белков, AF2Complex вычисляет, какие белки, вероятно, будут взаимодействовать друг с другом, образуя функциональные комплексы, с беспрецедентной детализацией.

«Мы, по сути, проводим вычислительные эксперименты, чтобы выяснить атомные детали суперкомплексов (больших взаимодействующих групп белков), важных для биологических функций», — объяснил Джеффри Скольник, один из авторов исследования. С AF2Complex это «похоже на использование вычислительного микроскопа, работающего на глубоком обучении и суперкомпьютерах».

В последнем исследовании ученые использовали этот «вычислительный микроскоп» для изучения сложного пути синтеза и транспорта белков у бактерий. Цель — выяснить, как белки в этом пути взаимодействуют, чтобы в итоге транспортировать вновь синтезированный белок из внутренней части к внешней мембране бактерии, и определить участников, которые могли быть упущены в экспериментах.

Понимание этого пути может выявить новые мишени для разработки антибиотиков и терапевтических средств, а также заложить основу для использования AF2Complex для ускорения подобных биологических исследований в целом.

Вычисление комплексов

AlphaFold 2 — инструмент глубокого обучения, способный генерировать точные предсказания о трехмерной структуре отдельных белков, используя только их строительные блоки — аминокислоты.

AF2Complex идет дальше: используя эти структуры, он предсказывает:

• Вероятность взаимодействия белков для образования функционального комплекса.
• Какие аспекты каждой структуры являются вероятными сайтами взаимодействия.
• Какие белковые комплексы, вероятно, объединяются в еще более крупные функциональные группы — суперкомплексы.

«Успешная разработка AF2Complex в этом году заставила нас поверить, что этот подход обладает огромным потенциалом в идентификации и характеристике набора взаимодействий белок-белок, важных для жизни», — поделился Му Гао, старший научный сотрудник. — «Чтобы убедить широкое сообщество молекулярных биологов, нам [нужно было] продемонстрировать это на более убедительном, важном применении».

Исследователи выбрали для применения AF2Complex путь в Escherichia coli (E. coli) — модельном организме, часто используемом из-за его относительной простоты и быстрого роста.

Команда изучила синтез и транспорт белков внешней мембраны (OMPs). Эти белки, необходимые для обмена питательными веществами и реакции на стрессоры, находятся на внешней мембране грамотрицательных бактерий (к которым относится E. coli), но создаются внутри клетки и должны быть транспортированы к месту назначения.

«После более чем двух десятилетий экспериментальных исследований были идентифицированы некоторые белковые комплексы ключевых игроков, но, конечно, не все», — пояснил Гао. AF2Complex «мог бы позволить нам обнаружить некоторые новые и интересные особенности пути биогенеза OMP, которые были упущены в предыдущих экспериментальных исследованиях».

Новые открытия

Используя суперкомпьютер Summit в Национальной лаборатории Ок-Ридж, команда проверила AF2Complex. Они сравнили несколько известных белков, важных для синтеза и транспорта OMPs, примерно с 1500 другими белками (всеми известными белками клеточной оболочки E. coli), чтобы увидеть, какие пары инструмент вычисляет как наиболее вероятные для взаимодействия и образования суперкомплексов.

Чтобы проверить предсказания, их сравнили с известными экспериментальными данными.

«Обнадеживает, что среди лучших результатов вычислительного скрининга мы нашли ранее известных взаимодействующих партнеров», — сказал Скольник.

Даже для известных взаимодействующих пар AF2Complex смог выделить структурные детали, объясняющие данные предыдущих экспериментов, что добавило уверенности в точности инструмента.

Помимо известных взаимодействий, AF2Complex предсказал несколько неизвестных пар. Их дальнейшее изучение выявило:

• Детали о том, какие аспекты пар могут взаимодействовать для образования более крупных функциональных групп.
• Вероятные активные конфигурации комплексов, ранее ускользавшие от экспериментаторов.
• Новые потенциальные механизмы синтеза и транспорта OMPs.

«Поскольку путь внешней мембраны жизненно важен и уникален для грамотрицательных бактерий, ключевые белки, участвующие в этом пути, могут быть новыми мишенями для новых антибиотиков», — сказал Скольник. — «Таким образом, наша работа, дающая молекулярное представление об этих новых лекарственных мишенях, может быть ценной для разработки новых терапевтических средств».

Помимо этого пути, исследователи надеются, что AF2Complex может означать большие перемены для биологических исследований.

«В отличие от предсказания структур одной белковой последовательности, предсказание структурной модели суперкомплекса может быть очень сложным, особенно когда компоненты или стехиометрия комплекса неизвестны», — отметил Гао. — «В этом отношении AF2Complex может стать новым вычислительным инструментом для биологов, позволяющим проводить пробные эксперименты с различными комбинациями белков», потенциально ускоряя и повышая эффективность подобных исследований в целом.

AF2Complex — инструмент с открытым исходным кодом, доступный для публичного использования.