Исследователи из Массачусетского технологического института разработали революционную систему искусственного интеллекта FragFold, способную предсказывать, как фрагменты белков связываются с полноразмерными белками и ингибируют их работу.
Система, созданная на основе модели AlphaFold, использует множественные выравнивания последовательностей (MSA) и демонстрирует точность предсказаний более 50%. Результаты исследования опубликованы в журнале Proceedings of the National Academy of Sciences.
Команда ученых под руководством доцента Джин-Вей Ли и профессора Эми Китинг провела успешный анализ белка FtsZ, участвующего в делении клеток, а также белкового комплекса LptF-LptG. FragFold смог найти эффективные ингибиторы для всех исследованных белков.
Особенно важно, что система способна работать с белками, структура и функции которых еще не изучены, включая внутренне неупорядоченные белки. Это открывает широкие возможности для терапевтического применения технологии.
Постдок Эндрю Савинов и выпускник лаборатории Китинг Себастьян Свонсон разработали методологию, включающую вычислительную фрагментацию белков, моделирование связывания фрагментов с партнерами по взаимодействию и высокопроизводительные экспериментальные измерения.
Валидация результатов проводилась через экспериментальное подтверждение предсказаний и тестирование путем мутации конкретных остатков. Были проанализированы тысячи мутированных фрагментов для подтверждения точности прогнозов.
FragFold открывает новые горизонты в понимании принципов клеточного дизайна и создании генетически кодируемых связывающих молекул. Технология может найти применение в разработке новых инструментов клеточной биологии и методов лечения заболеваний через манипуляцию функциями белков.
Изображение носит иллюстративный характер
Система, созданная на основе модели AlphaFold, использует множественные выравнивания последовательностей (MSA) и демонстрирует точность предсказаний более 50%. Результаты исследования опубликованы в журнале Proceedings of the National Academy of Sciences.
Команда ученых под руководством доцента Джин-Вей Ли и профессора Эми Китинг провела успешный анализ белка FtsZ, участвующего в делении клеток, а также белкового комплекса LptF-LptG. FragFold смог найти эффективные ингибиторы для всех исследованных белков.
Особенно важно, что система способна работать с белками, структура и функции которых еще не изучены, включая внутренне неупорядоченные белки. Это открывает широкие возможности для терапевтического применения технологии.
Постдок Эндрю Савинов и выпускник лаборатории Китинг Себастьян Свонсон разработали методологию, включающую вычислительную фрагментацию белков, моделирование связывания фрагментов с партнерами по взаимодействию и высокопроизводительные экспериментальные измерения.
Валидация результатов проводилась через экспериментальное подтверждение предсказаний и тестирование путем мутации конкретных остатков. Были проанализированы тысячи мутированных фрагментов для подтверждения точности прогнозов.
FragFold открывает новые горизонты в понимании принципов клеточного дизайна и создании генетически кодируемых связывающих молекул. Технология может найти применение в разработке новых инструментов клеточной биологии и методов лечения заболеваний через манипуляцию функциями белков.
