Нейросеть научили с точностью до 95% предсказывать взаимодействия белков в клетке, важные для изучения болезней

Ученые из НИУ ВШЭ разработали модель GSMFormer-PPI для предсказания взаимодействий белков в клетке.
Модель использует три типа данных о белках: аминокислотную последовательность, трехмерную структуру и свойства поверхности.
GSMFormer-PPI показывает точность предсказания взаимодействий до 95%.
Разработка может ускорить поиск молекулярных механизмов болезней, биомаркеров и потенциальных мишеней для лекарств.
Взаимодействие белков играет важную роль в функционировании клетки и может приводить к заболеваниям при нарушении.
Машинное обучение используется для предсказания белок-белковых взаимодействий на основе структуры и свойств молекул.
GSMFormer-PPI учитывает все три типа данных о белках для более точных прогнозов.
В перспективе такие системы могут помочь в изучении механизмов болезней и поиске мишеней для лекарств.

«При взаимодействии белков особенно важна их поверхность: именно через нее молекулы распознают друг друга и на ней сосредоточены физико-химические свойства, от которых зависит связывание. В нашей модели мы попытались учесть эту информацию вместе с последовательностью и трехмерной структурой белка, а затем не просто объединить признаки, а дать алгоритму возможность анализировать связи между ними. Именно это и позволило точнее предсказывать белок-белковые взаимодействия», — комментирует один из авторов статьи, директор Центра биомедицинских исследований и технологий Института ИИиЦН ФКН НИУ ВШЭ Мария Попцова.