Metode pembelajaran otomatis meningkatkan ketepatan lipatan protein terbalik untuk desain obat

Pendekatan AI oleh para peneliti dari University of Sheffield dan AstraZeneca dapat memfasilitasi desain protein yang diperlukan untuk perawatan baru.

Dalam studi Anda diterbitkan Di koran Kecerdasan Mesin AlamIlmuwan komputer Sheffield bekerja sama dengan AstraZeneca dan University of Southampton telah mengembangkan kerangka pembelajaran otomatis baru yang telah menunjukkan potensi untuk lebih tepatnya terbalik Lipatan protein metode avant -garde yang ada.

Lipat protein terbalik adalah proses penting untuk membuat protein baru. Itu adalah proses identifikasi Urutan asam aminoBlok konstruksi protein, yang menekuk dalam struktur protein 3D yang diinginkan dan memungkinkan protein untuk melakukan fungsi tertentu.

Rekayasa protein memainkan peran mendasar dalam Pengembangan Obat Merancang protein yang dapat bergabung dengan tujuan tertentu dalam tubuh. Namun, proses ini merupakan tantangan karena kompleksitas lipatan protein dan kesulitan dalam memprediksi bagaimana sekuens asam amino akan berinteraksi untuk membentuk struktur fungsional.

Para ilmuwan telah menggunakan pembelajaran otomatis untuk memprediksi lebih banyak presisi yang urutan asam amino akan dilipat dalam struktur protein fungsional yang stabil. Model -model ini dilatih dalam set data kenalan besar Urutan protein dan struktur untuk meningkatkan prediksi lipat terbalik.

Kerangka pembelajaran otomatis yang baru, yang disebut MapDiff, dari University of Sheffield, AstraZeneca dan University of Southampton, melampaui sebagian besar generasi terakhir untuk membuat prediksi yang berhasil dalam tes simulasi. Hasilnya adalah dasar yang menjanjikan untuk mengembangkan teknologi lebih lanjut, yang, jika berhasil, dapat mempercepat desain protein utama yang diperlukan untuk mengembangkan vaksin dan terapi gen baru, dan modalitas terapi lainnya.

Ini juga melengkapi kemajuan terbaru lainnya, seperti Alfafold, yang memprediksi struktur 3D protein dengan membalikkan pendekatan, dimulai dengan lipatan protein dan memulihkan kemungkinan sekuens asam amino.

Haiping Lu, seorang profesor pembelajaran otomatis di University of Sheffield dan penulis yang sesuai dari penelitian ini, mengatakan: “Pekerjaan ini merupakan langkah maju yang signifikan dalam penggunaan AI untuk merancang protein dengan struktur yang diinginkan. Dengan mempelajari bagaimana 3D.

Peizhen Bai, Ilmuwan Pembelajaran Otomatis Senior di AstraZeneca, yang mengembangkan AI sebagai bagian dari gelar Ph.D. Di Sekolah Ilmu Komputer Sheffield, dia berkata: “Selama doktor saya, saya termotivasi oleh potensi AI untuk mempercepat penemuan biologis. Saya bangga bahwa metode kami, MapDiff, membantu merancang urutan protein yang lebih mungkin membungkuk dalam struktur 3D yang diinginkan, langkah kunci untuk maju dalam terapi generasi berikutnya.”