Ученые из группы iMolecule Центра вычислительной и интенсивной обработки данных (CDISE) Сколтеха разработали BiteNet, алгоритм машинного обучения (ML), который помогает находить сайты связывания лекарств, то есть потенциальные мишени для лекарств, в белках. BiteNet может проанализировать 1000 белковых структур за 1,5 минуты и найти оптимальные места для прикрепления молекул лекарства. Исследование было опубликовано в журнале Communications Biology.
Белки, молекулы, которые контролируют большинство биологических процессов, обычно являются мишенью для лекарств. Для достижения терапевтического эффекта лекарства должны прикрепляться к белкам в определенных местах, называемых сайтами связывания. В Белки способность «сек для связывания с лекарственным средством определяется аминокислотной последовательности сайта и пространственной структуры. Сайты связывания — настоящие «горячие точки» в фармакологии. Чем больше известно сайтов связывания, тем больше возможностей для создания более эффективных и безопасных лекарств.
Доцент Сколтех CDISE Петр Попов и к.т.н. студент Игорь Козловский разработал новый вычислительный подход для пространственно-временного обнаружения сайтов связывания в белках, применяя алгоритмы глубокого обучения и компьютерное зрение к структурам белков, рассматриваемым как трехмерные изображения. С помощью этой новой технологии можно обнаружить даже неуловимые сайты: например, ученым удалось обнаружить сайты связывания, скрытые в экспериментальных атомных структурах или образованные несколькими белковыми молекулами для ионного канала, рецептора, связанного с G-белком, и фактора роста эпителия, одного наиболее важных мишеней для лекарств.
Петр Попов, руководитель исследования и доцент Сколтеха, говорит: «Геном человека состоит из почти 20 000 белков, и очень немногие из них связаны с фармакологической мишенью. Наш подход позволяет искать в белке сайты связывания для соединений, подобных лекарствам. , таким образом расширяя набор возможных фармакологических мишеней. Кроме того, открытие лекарств на основе первоначальной структуры сильно зависит от выбора атомной структуры белка. Работа над структурой, в которой сайт связывания запрещен для лекарства или вообще отсутствует, может потерпеть неудачу. анализ большого количества структур в белке и поиск наиболее подходящей для конкретной стадии ».
По словам Игоря Козловского, первого автора статьи, BiteNet превосходит своих коллег как по скорости, так и по точности: «BiteNet основан на компьютерном зрении, мы рассматриваем белковые структуры как изображения, а сайты связывания — как объекты, которые можно обнаружить на этих изображениях. занимает около 0,1 секунды для анализа одной пространственной структуры и 1,5 минуты для оценки 1000 белковых структур из примерно 2000 атомов «.
Источник: Сколковский институт науки и технологий
Фото: CC0 Public Domain