Průlom v medicíně: Nová AI Void-X navrhuje proteinové interakce na atomární úrovni

Vědci ze Šanghajského institutu organické chemie Čínské akademie věd dosáhli významného pokroku v predikci protein-proteinových interakcí na atomární úrovni.

Vědci ze Šanghajského institutu organické chemie Čínské akademie věd dosáhli významného pokroku v predikci protein-proteinových interakcí na atomární úrovni. Vyvinuli generativní model umělé inteligence (AI) nazvaný Void-X, který dokáže navrhovat proteinová rozhraní od základů.

Proteiny jsou klíčové molekulární „pracovní koně“ lidského těla, vykonávající širokou škálu základních funkcí, od stavby tkání a transportu molekul po regulaci buněčné komunikace a obranu proti infekcím. Mnoho léků, včetně protilátkových terapií pro léčbu rakoviny a inzulinu pro diabetes, funguje právě interakcí se specifickými proteiny. Schopnost předpovídat a inženýrsky upravovat, jak proteiny vzájemně interagují, by tak mohla otevřít nové možnosti pro léčbu nemocí.

Void-X se liší od většiny stávajících AI rámců pro design proteinů, které obvykle postupují shora dolů – nejprve generují celkovou proteinovou kostru, která se hodí k cílovému místu, a poté navrhují proteinové sekvence pro optimalizaci vazby. Void-X naopak využívá model „atomárního vyplňování“. Je trénován tak, aby zachytil interakční vzorce na atomární úrovni a vyplňoval atomární prázdná místa v proteinových rozhraních. Předpokládá se, že optimální atomární uspořádání ve stabilním makromolekulárním komplexu vychází z lokálních interakcí sousedních atomů a vazeb vyššího řádu se vzdálenějšími atomy. Místo navrhování celých proteinových tvarů model přímo generuje atomární shluky optimalizované pro těsné uspořádání ve specifikovaných strukturních oblastech, čímž vytváří fyzikálně podložený základ pro design protein-proteinových rozhraní.

K tréninku modelu shromáždili vědci Yang Jing, Yuan Junying a James J. Chou datovou sadu více než 8 milionů sférických atomárních shluků z experimentálně určených struktur uložených v Protein Data Bank. Pro každý shluk bylo přibližně 30 % periferních a prostorově souvislých atomů maskováno, zatímco zbývající atomy sloužily jako „kontext“, který model použil k predikci chybějících atomů. Výsledný model obsahuje 172 milionů parametrů a dosáhl prediktivní přesnosti 78,3 % pro vnitrořetězcové atomární shluky a 68,2 % pro meziřetězcové shluky.

Podle výzkumníků tyto schopnosti umožňují de novo generování proteinových interakcí s atomárním rozlišením, což nabízí doplňkovou a fyzikálně intuitivní cestu pro design proteinů. Integrací detailů na atomární úrovni s generativním modelováním rozšiřuje Void-X nástroje pro racionální design biomolekulárních rozhraní, s širokým uplatněním v objevování léků, syntetické biologii a dalších oblastech.