Исследователи из НИУ ВШЭ разработали подход, который позволяет системам искусственного интеллекта прогнозировать взаимодействия между белками с точностью до 95,7 процента.
Это ускорит поиск потенциальных мишеней для лекарств и улучшит понимание механизмов развития многих болезней, пишут учёные в статье в журнале Scientific Reports.
Многие заболевания возникают из-за сбоев во взаимодействиях между белками. Для изучения этих процессов учёные используют либо дорогостоящие и трудоёмкие эксперименты с помощью рентгеновской кристаллографии, либо длительные расчёты на суперкомпьютерах. Несколько лет назад эту работу упростили нейросети, способные определять трёхмерную структуру белков, однако существующие системы часто не учитывают важную информацию о свойствах поверхности белков, сообщает ТАСС.
Российские исследователи создали подход, который опирается сразу на несколько разных типов нейросетей и учитывает три типа данных: аминокислотную последовательность белков, их трёхмерную структуру и свойства молекулярной поверхности. Как пояснили авторы работы под руководством Марии Попцовой, директора Центра биомедицинских исследований и технологий Института искусственного интеллекта и цифровых наук НИУ ВШЭ, это позволяет добиться более высокой точности по сравнению с существующими аналогами.
Разработку проверили на наборе коротких пептидов из одной из крупнейших баз данных по белковым взаимодействиям. Новая система достигла точности 95,7 процента и превзошла популярные алгоритмы, которые обычно используются для таких расчётов. Исследователи подчеркнули, что полученные результаты подтверждают важность учёта свойств поверхности белков при прогнозировании их взаимодействий.
