Dengan ketepatan yang setanding dengan AlphaFold, kaedah AI EPFL memadankan interaksi protein daripada jujukan

1. Kepentingan interaksi protein

Protein adalah asas kehidupan dan mengambil bahagian dalam hampir semua proses biologi. Memahami cara protein berinteraksi adalah penting untuk menerangkan kerumitan fungsi selular.

2. Kaedah baharu: memasangkan jujukan protein yang berinteraksi

Pasukan Anne-Florence Bitbol di Ecole Polytechnique Fédérale de Lausanne (EPFL) mencadangkan kaedah untuk memasangkan jujukan protein yang berinteraksi. Kaedah ini mengeksploitasi kuasa model bahasa protein yang dilatih pada pelbagai penjajaran jujukan.

3. Kelebihan kaedah

Kaedah ini berfungsi dengan baik untuk set data yang kecil dan boleh meningkatkan ramalan struktur kompleks protein melalui kaedah yang diselia.

4 Hasil penyelidikan diterbitkan

Penyelidikan itu bertajuk "Megandingkan jujukan protein berinteraksi menggunakan pemodelan bahasa bertopeng" dan diterbitkan dalam "PNAS" pada 24 Jun 2024.

Ramalan interaksi protein-protein

Interaksi protein-protein adalah penting untuk fungsi selular, ia memastikan kekhususan isyarat dan pembentukan kompleks berbilang protein seperti motor molekul atau reseptor. Meramalkan interaksi protein-protein dan struktur kompleksnya ialah topik penting dalam biologi pengiraan dan biofizik.

Walaupun kaedah pembelajaran mendalam seperti AlphaFold telah mencapai kemajuan yang ketara dalam ramalan struktur monomer protein, prestasi ramalan struktur kompleks masih tidak sebaik ramalan monomer, dan terdapat kepelbagaian. AlphaFold mula-mula membina penjajaran jujukan berbilang homolog (MSA) bagi jujukan protein pertanyaan, dan kualiti MSA sangat kritikal untuk ketepatan ramalan.

MSA heteropolimer berpasangan

Untuk kompleks protein (heteromultimer) yang melibatkan berbilang rantai, MSA berpasangan boleh memberikan maklumat evolusi bersama antara rakan kongsi interaksi dan membantu membuat kesimpulan hubungan antara rantaian, tetapi membina MSA berpasangan dengan betul adalah satu cabaran; adalah banyak protein homolog dan tidak bergantung pada kedekatan genomik.

Kaedah evolusi bersama

Pada masa ini, kedekatan genom, homologi anggaran, kaedah berasaskan filogeni dan strategi evolusi bersama digabungkan untuk menangani cabaran ini, walaupun kaedah evolusi bersama memerlukan data yang besar masih dalam pengoptimuman Menunjukkan potensi dalam berpasangan dan meramalkan struktur kompleks, terutamanya dengan memadankan protein homolog dengan memaksimumkan isyarat koevolusioner.

DiffPALM: Kaedah Gandingan Boleh Dibezakan

Pasukan Anne-Florence Bitbol di EPFL telah membangunkan kaedah untuk memasangkan jujukan protein berinteraksi yang menggunakan bahasa protein yang dilatih pada penjajaran jujukan berbilang (MSA) Kuasa model dan MSA Transformer Modul EvoFormer AlphaFold. Ini membolehkannya memahami dan meramalkan interaksi kompleks antara protein dengan tahap ketepatan yang tinggi.

Berdasarkan perkara ini, penyelidik mencadangkan Gandingan Boleh Dibezakan menggunakan Model Bahasa Berasaskan Penjajaran (DiffPALM), kaedah boleh dibezakan untuk meramalkan padanan perkataan serumpun menggunakan MLM.

Grafik: Prestasi DiffPALM pada MSA HK-RR kecil. (Sumber: Kertas)

DiffPALM mengatasi kaedah koevolusi sedia ada dengan margin yang besar pada penanda aras sukar MSA cetek yang diekstrak daripada set data protein prokariotik yang ada di mana-mana. Prestasi DiffPALM bertambah baik dengan pantas apabila pasangan berinteraksi yang diketahui disediakan sebagai contoh.

Kaedah berpasangan berdasarkan koevolusi bersama fokus pada mengkaji cara urutan protein berkembang bersama-sama dari semasa ke semasa apabila ia berinteraksi rapat - perubahan dalam satu protein mungkin membawa kepada perubahan dalam molekulnya yang berinteraksi. Ini adalah topik yang sangat penting dalam biologi molekul dan sel dan ditangkap dengan baik oleh model bahasa protein yang dilatih pada MSA.

Grafik: Prestasi AFM menggunakan kaedah gandingan yang berbeza. (Sumber: kertas)

Pasukan kemudian menggunakan DiffPALM pada teka-teki padanan homolog kompleks protein eukariotik. Untuk melakukan ini, penyelidik menggunakan jujukan berpasangan DiffPALM sebagai input kepada AFM. Dalam kompleks yang diuji, penggunaan DiffPALM dengan ketara meningkatkan ramalan struktur daripada AFM dalam beberapa kes. Ia juga mencapai prestasi yang setanding dengan menggunakan gandingan berasaskan ortolog.

Ilustrasi: Kesan contoh positif, kedalaman MSA dan pengembangan kepada sepasang keluarga protein yang lain. (Sumber: kertas)

Aplikasi DiffPALM jelas dalam bidang biologi protein asas, tetapi aplikasinya melampaui itu, kerana ia berpotensi untuk menjadi alat yang berkuasa dalam penyelidikan perubatan dan pembangunan ubat. Sebagai contoh, ramalan yang tepat tentang interaksi protein boleh membantu memahami mekanisme penyakit dan membangunkan rawatan yang disasarkan.

Penyelidik telah menyediakan DiffPALM secara percuma dan berharap penggunaan meluas oleh komuniti saintifik akan memajukan lagi biologi pengiraan dan membolehkan penyelidik meneroka kerumitan interaksi protein.

DiffPALM menggabungkan teknik pembelajaran mesin termaju dengan pemprosesan data biologi kompleks yang cekap, menandakan satu langkah besar ke hadapan dalam biologi pengiraan.

Ia bukan sahaja meningkatkan pemahaman saintis tentang interaksi protein, tetapi juga membuka laluan baharu penyelidikan perubatan, yang berpotensi membawa kepada kejayaan dalam rawatan penyakit dan pembangunan ubat.

Pautan kertas:
https://www.pnas.org/doi/10.1073/pnas.2311887121

Laporan berkaitan:
https://phys.org/news/2024-06-ai-based-approach-proteach -interaksi.html

Atas ialah kandungan terperinci Dengan ketepatan yang setanding dengan AlphaFold, kaedah AI EPFL memadankan interaksi protein daripada jujukan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!