Сотрудники Сколтеха разработали алгоритм машинного обучения поиска мест для связывания лекарств в фармакологических мишенях, превосходящий все имеющиеся аналоги
Сотрудники Центра Сколтеха по научным и инженерным
вычислительным технологиям для задач с большими массивами данных
(CDISE) из группы iMolecule создали алгоритм машинного обучения,
с помощью которого можно обнаружить места, где сайты белков
связаны с лекарствами. Исследование описано в журнале
Communications Biology.
Алгоритм, разработанный учеными, получил название «BiteNet». За
полторы минуты он может проанализировать 1000 белковых структур и
найти оптимальные места для присоединения лекарственных молекул.
Белки – мишени лекарственных препаратов. Они контролируют
большинство биологических процессов. Чтобы лекарство оказало
терапевтический эффект, оно должно быть связано с белками в
конкретных местах, а именно в сайтах связывания. Такое соединение
возможно при определенной аминокислотной последовательности
участка и пространственной структуре. Чем больше известных сайтов
связывания, тем больше возможностей для создания новых более
эффективных и безопасных лекарств.
Метод, разработанный аспирантом Сколтеха Игорем Козловским и
старшим преподавателем Сколтеха (CDISE) Петром Поповым, основан
на применении к белковым структурам алгоритмов глубокого обучения
и компьютерного зрения. Способ позволяет детектировать в том
числе и трудно обнаруживаемые сайты. «Наш подход позволяет
исследовать белок на наличие сайтов связывания для
лекарственноподобных соединений, таким образом позволяя расширить
набор фармакологических мишеней. Кроме того, успех начального
этапа поиска лекарственных препаратов на основе структуры
(structure-based drug discovery) 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», – поделился Петр
Попов.
Игорь Козловский подчеркнул, что изобретение
превосходит аналоги по скорости и точности. «BiteNet основан
на компьютерном зрении. Мы представляем белковые структуры в
качестве изображений, а сайты связывания в роли объектов, которые
мы ищем на этих изображениях. Одну пространственную структуру мы
можем проанализировать за 0,1 сек, а за 1,5 минуты оценить 1000
изображений – тысячу белковых структур, по 2000 атомов в
каждой», — рассказал он.
Источник: Сколтех
Источник: scientificrussia.ru
