Российские ученые обучили нейросеть искать у белков сайты связывания с лекарствами

Ученые из Сколковского института науки и технологий разработали алгоритм машинного обучения для поиска у белков сайтов связывания с лекарствами — потенциальных мишеней. Нейросеть BiteNet (Binding site neural Network) за полторы минуты может проанализировать 1000 белковых структур и найти оптимальные места для присоединения лекарственных молекул. Результаты исследования опубликованы в журнале Communications Biology.

Мишенями лекарственных препаратов, как правило, служат белки. Для оказания терапевтического эффекта лекарства связываются с ними в определенных местах — сайтах связывания. Способность соединяться с препаратом определяется аминокислотной последовательностью участка и его пространственной структурой. Ученые из группы iMolecule Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) разработали новый вычислительный подход для пространственно-временного обнаружения сайтов связывания у белков. Метод основан на применении к белковым структурам, которые рассматриваются как 3D-изображения, алгоритмов глубокого обучения и компьютерного зрения. Технология позволяет находить даже сайты, которые сложно обнаружить, например скрытые в экспериментальных атомарных структурах или сформированные несколькими белковыми молекулами.

«Наш подход позволяет исследовать белок на наличие сайтов связывания для лекарственно-подобных соединений, таким образом позволяя расширить набор фармакологических мишеней. Кроме того, успех начального этапа поиска лекарственных препаратов на основе структуры сильно зависит от выбранной атомарной структуры белковой мишени. Работа со структурой, в которой сайт связывания закрыт для лекарства или отсутствует, может привести к неудаче. Наш метод позволяет анализировать большое количество структур одного белка и находить наиболее подходящую для данного этапа», — рассказывает руководитель исследования Петр Попов.

Новая нейросеть превосходит существующие аналоги по скорости и точности. С ее помощью возможно проанализировать одну пространственную структуру за 0,1 сек, а за 1,5 минуты оценить 1000 изображений — тысячу белковых структур по 2000 атомов в каждой.

Источник: https://indicator.ru

5.11.2020