Дослідники з Університету Шеффілда у партнерстві з AstraZeneca представили систему штучного інтелекту під назвою MapDiff, яка може ефективніше проектувати білки із заданими тривимірними структурами та біологічними функціями. Результати дослідження опубліковані в Nature Machine Intelligence.
Це відкриття спрямоване на вирішення значної проблеми структурної біології – рефолдингу білків.
Мета полягає в тому, щоб побудувати амінокислотну послідовність, яка дозволить отримати молекулу із заздалегідь визначеною тривимірною формою. Ця методологія лежить в основі розробки терапевтичних білків, здатних вибірково взаємодіяти з біологічними мішенями.
Навіть незначні зміни в послідовності можуть призвести до непередбачених наслідків для результуючої структури білка, ускладнюючи та обмежуючи дослідницькі зусилля. Дослідники все частіше використовують методи машинного навчання, які використовують великі набори даних про просторове розташування вже ідентифікованих білків.
Дані: Природний машинний інтелект.
MapDiff працює як дискретна дифузійна ймовірнісна модель, яка поступово генерує амінокислотні послідовності на основі заданого білкового каркасу. У чотирьох оцінках ця система перевершила існуючі алгоритми штучного інтелекту в прогнозуванні стабільних та функціональних молекул білка.
Один з авторів дослідження, Хайпін Лю, зазначив, що MapDiff відкриває шлях до нових можливостей у розробці терапевтичних стратегій.
Варто зазначити, що попередня співпраця між Університетом Шеффілда та AstraZeneca призвела до створення DrugBAN, інструменту штучного інтелекту, призначеного для прогнозування взаємодії ліків з білками.
Крім того, препарат, створений за допомогою штучного інтелекту біотехнологічною фірмою Insilico Medicine, продемонстрував перші ознаки ефективності в лікуванні ідіопатичного легеневого фіброзу.
