Искусственный интеллект ускорил и улучшил дизайн белков
Исследователи из Университета Чунцина представили новый метод проектирования белков с помощью искусственного интеллекта. Их подход, основанный на алгоритме ProteinMPNN, позволяет создавать синтетические белки с улучшенными свойствами — от стабильности до способности связываться с мишенями. Результаты опубликованы в Frontiers of Computer Science.
Классические способы белкового дизайна — сайт-направленный мутагенез, направленная эволюция или физическое моделирование — имеют ограничения. Они либо зависят от исходной структуры белка, либо исследуют узкий спектр последовательностей, либо используют упрощенные энергетические модели, которые не всегда корректно предсказывают поведение молекул в реальных условиях.
Как работает ProteinMPNN
Алгоритм анализирует структурные данные и с помощью глубокого обучения генерирует новые белковые последовательности. В отличие от традиционных методов, он не ограничен естественными аналогами и способен создавать варианты с улучшенными характеристиками:
- Повышенная растворимость — важна для терапевтического применения.
- Улучшенная стабильность — увеличивает срок хранения и эффективность.
- Сильное связывание с мишенями — критично для лекарств и диагностических инструментов.
Что получилось
Ученые отобрали восемь перспективных каркасов (scaffolds), включая Fab, scFv и Diabody, которые широко используются в биотехнологии. Например:
- Антитела (Fab, scFv) — основа многих современных лекарств.
- Affilin и Repebody — синтетические аналоги антител, более компактные и стабильные.
- Неокарциностатин — применяется в системах доставки противоопухолевых препаратов.
Белки, созданные ProteinMPNN, превзошли исходные версии по ключевым параметрам. Особенно заметен прогресс в дизайне мономеров — они демонстрируют лучшую растворимость и стабильность. Комплексные структуры, в свою очередь, показали высокое сродство к мишеням.
Почему это важно
Метод ускоряет разработку терапевтических белков и расширяет границы их возможностей. В перспективе это может привести к появлению более эффективных лекарств, особенно в областях онкологии, иммунотерапии и targeted delivery.
