Машинное обучение использовали для моделирования взаимодействия белков

Исследователи из Университета Пердью разработали новый подход к анализу взаимодействий белков с использованием методов глубокого обучения нейросетей. Статья о разработке была опубликована в журнале Bioinformatics. Человеческое тело содержит, как правило, более 20 тысяч различных типов белков, каждый из которых участвует во многих жизненно важных для организма процессах. Функции некоторых белков до сих пор остаются неизвестными, а многие из этих соединений играют роль сразу в нескольких процессах. Чтобы понять молекулярные механизмы, лежащие в основе работы белковых комплексов, биологи используют специальные методы, такие как рентгеноструктурный анализ и микроскопия. Но они считаются трудоемкими и ресурсоемкими. Поэтому исследователи стараются создать новые вычислительные методы для моделирования белковых комплексов. Но есть одна большая проблема: обычно эти методы генерируют тысячи моделей, из которых очень сложно выбрать правильную. В новой работе ученые разработали систему под названием DOVE, в основе которой лежит нейронная сеть с глубоким обучением. Исследователи обучали ее на виртуальных моделях взаимодействий белков с различными структурами. DOVE сканирует белок-белковый интерфейс модели, а затем использует специальные алгоритмы, чтобы различать и анализировать структурные особенности правильных и неправильных моделей. «Наша работа представляет собой значительный прогресс в области биоинформатики, — отмечает член исследовательской группы, аспирант Университета Пердью Сяо Ван. — Возможно, впервые биологи успешно использовали глубокое обучение и 3D-визуализацию, чтобы быстро понять эффективность некоторых моделей взаимодействия белков. Эту информацию можно использовать для создания препаратов адресной доставки для блокирования определенных взаимодействий между белками». Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.