Учёные из Массачусетского технологического института разработали новый метод машинного обучения, который позволяет создавать стабильные белковые последовательности, не встречающиеся в природе. Исследование опубликовано в журнале PNAS. Об этом сообщает портал Phys.org.
Метод, названный PottsMPNN, учитывает физические принципы, управляющие структурой и стабильностью белков. Это улучшает генерацию последовательностей и прогнозирование влияния мутаций на стабильность белка. По словам исследователей, модель лучше понимает взаимосвязь между каждой аминокислотой и стабильностью белка.
Традиционные методы проектирования белков используют двухэтапный процесс: сначала создаётся структура, затем генерируются последовательности, которые могут её принять. Однако в природе множество разных последовательностей могут сворачиваться в одну и ту же структуру, а одна последовательность — в разные структуры. Поэтому ключевая задача — научить ИИ учитывать множество возможных решений.
«В течение многих лет успех измерялся тем, может ли модель воспроизвести последовательность, которую выбрала эволюция. Наша работа показывает, что это не лучший критерий для дизайна белков», — говорит Эми Китинг, профессор биологии и старший автор исследования.
PottsMPNN также использует парное распределение для учёта взаимодействий между аминокислотами. Это позволяет точнее моделировать ландшафт последовательность-энергия. Исследователи добавили в обучение эволюционно связанные последовательности, чтобы научить модель тому, как разные последовательности могут принимать одинаковую структуру.
«Когда мы сможем создавать любые белки, это откроет огромные возможности для биологической инженерии. Это сложная задача, но я очень оптимистичен в отношении прогресса биологии в этом веке», — отмечает аспирант Фостер Бирнбаум. Метод приближает область к созданию новых белков для разнообразных применений.