Белки часто называют строительными блоками жизни.
Несмотря на то, что аналогия верна, аналогия вызывает образы деталей, похожих на Lego, которые соединяются вместе, образуя сложные, но жесткие блоки, которые объединяются в мышцы и другие ткани. На самом деле белки больше похожи на гибкие перекати-поле — очень сложные структуры с «шипами» и ответвлениями, выступающими из центрального каркаса, — которые трансформируются и изменяются в зависимости от окружающей среды.
Это изменение формы контролирует биологические процессы живых существ — например, открытие белковых туннелей, разбросанных вдоль нейронов, или запуск ракового роста. Но это также затрудняет понимание поведения белков и разработку лекарств, взаимодействующих с белками.
В то время как недавний Прорывы в области искусственного интеллекта в предсказании (и четное поколение) белковых структур представляют собой огромный прогресс 50 лет в процессе создания, они по-прежнему предлагают только снимки белков. Чтобы зафиксировать целые биологические процессы и определить, какие из них приводят к заболеваниям, нам нужны прогнозы белковых структур в нескольких «позах» и, что более важно, того, как каждая из этих поз изменяет внутренние функции клетки. И если мы хотим полагаться на ИИ для решения этой задачи, нам нужно больше данных.
Благодаря новый белковый атлас опубликовано в этом месяце в природа, теперь у нас есть отличное начало.
В результате сотрудничества Массачусетского технологического института, Гарвардской медицинской школы, Йельской школы медицины и Медицинского колледжа Вейла Корнелла исследование было сосредоточено на конкретном химическом изменении в белках, называемом фосфорилированием, которое, как известно, действует как переключатель белка, и во многих случаях , привести к раку или ингибировать его.
Атлас поможет ученым понять, как в опухолях нарушается сигнализация. А вот Шону Хамфри и Элизе Нидхэм, врачам Королевской детской больницы и Кембриджского университета соответственно, не участвовавшим в работе, Атлас также может начинают помогать превращать статические прогнозы ИИ о форме белков в более гибкие прогнозы того, как белки ведут себя в организме.
Давайте поговорим о PTM (а?)
После того, как они произведены, поверхность белков «усеяна» небольшими химическими группами — как добавление начинки в рожок мороженого. Эти начинки либо усиливают, либо выключают активность белка. В других случаях части белка отрубаются, чтобы активировать его. Белковые метки в нейронах управляют развитием мозга; другие теги ставят красные флажки на белки, готовые к утилизации.
Все эти настройки называются посттрансляционными модификациями (PTM).
PTM по существу превращают белки в биологические микропроцессоры. Это эффективный способ клетки регулировать свою внутреннюю работу без необходимости изменять ДНК или эпигенетическую структуру. ПТМ часто резко изменяют структуру и функцию белков, а в некоторых случаях они могут способствовать развитию болезни Альцгеймера, рака, инсульта и диабета.
По мнению Элизы Фадда из Университета Мейнут в Ирландии и Джона Агирре из Йоркского университета, пришло время включить PTM в предикторы белков ИИ, такие как AlphaFold. Хотя AlphaFold меняет то, как мы занимаемся структурной биологией, они — сказал, «алгоритм не учитывает существенные модификации, влияющие на структуру и функцию белка, что дает нам лишь часть картины».
Король ПТМ
Итак, какие типы PTM мы должны сначала включить в ИИ?
Позвольте мне познакомить вас с фосфорилированием. Этот PTM добавляет химическую группу фосфата в определенные места белков. Это «регуляторный механизм, который имеет фундаментальное значение для жизни», — сказали Хамфри и Нидхэм.
Белковые точки фосфорилирования хорошо известны: это две аминокислоты, серин и треонин. Примерно 99 процентов всех сайтов фосфорилирования связаны с дуэтом, а предыдущие исследования выявили примерно 100,000 XNUMX потенциальных мест. Проблема заключается в том, чтобы определить, какие белки — называемые киназами, которых существуют сотни, — добавляют химические группы к каким горячим точкам.
В новом исследовании команда сначала проверила более 300 киназ, которые захватывают более 100 целей. Каждая мишень представляет собой короткую цепочку аминокислот, содержащую серин и треонин, «бычий глаз» для фосфорилирования, и окруженную различными аминокислотами. Цель состояла в том, чтобы увидеть, насколько эффективна каждая киназа в своей работе по каждой цели — почти как в игре по подбору киназы.
Это позволило команде найти наиболее предпочтительный мотив — последовательность аминокислот — для каждой киназы. Удивительно, но «почти две трети сайтов фосфорилирования могут быть отнесены к одной из небольшой группы киназ», — сказали Хамфри и Нидхэм.
Розеттский камень
Основываясь на своих выводах, команда сгруппировала киназы в 38 различных классов на основе мотивов, каждый из которых ориентирован на конкретный белок-мишень. Теоретически киназы могут катализировать более 90,000 XNUMX известных сайтов фосфорилирования в белках.
«Этот атлас киназных мотивов теперь позволяет нам расшифровывать сигнальные сети», — сказал Яффе.
В ходе проверки концепции команда использовала атлас для поиска сотовых сигналов, которые различаются между здоровыми клетками и клетками, подвергшимися воздействию радиации. Тест обнаружил 37 потенциальных мишеней фосфорилирования одной киназы, большинство из которых ранее были неизвестны.
Хорошо, и что?
Метод исследования можно использовать для отслеживания других PTM, чтобы начать создание всеобъемлющего атласа сотовых сигналов и сетей, которые управляют нашими основными биологическими функциями.
Набор данных при вводе в AlphaFold, RoseTTAFold, их варианты или другие новые алгоритмы прогнозирования структуры белков может помочь им лучше предсказать, как белки динамически изменяют форму и взаимодействуют в клетках. Это было бы гораздо полезнее для открытия лекарств, чем сегодняшние статические снимки белков. Ученые также могут использовать такие инструменты для борьбы с киназной «темной вселенной». Это подмножество киназ, более 100, не имеет заметных белковых мишеней. Другими словами, мы понятия не имеем, как эти мощные белки работают внутри организма.
«Эта возможность должна побудить исследователей отправиться «в темноту», чтобы лучше охарактеризовать эти неуловимые белки», — сказали Хамфри и Нидхэм.
Команда признает, что впереди еще долгий путь, но они надеются, что их атлас и методология помогут другим создать новые базы данных. В конце концов, мы надеемся, что «наш всеобъемлющий подход, основанный на мотивах, будет уникальным образом приспособлен для разгадки сложных сигналов, лежащих в основе прогрессирования заболеваний человека, механизмов устойчивости к лекарствам от рака, диетических вмешательств и других важных физиологических процессов», — сказали они.
Изображение Фото: DeepMind
- SEO-контент и PR-распределение. Получите усиление сегодня.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
- Источник: https://singularityhub.com/2023/01/18/the-next-step-for-ai-in-biology-is-to-predict-how-proteins-behave-in-the-body/
- 000
- 100
- 50 лет
- a
- в состоянии
- О нас
- Учетная запись
- Действие (Act):
- деятельность
- Добавляет
- продвижение
- влиять на
- впереди
- AI
- алгоритм
- алгоритмы
- Все
- Альцгеймера
- и
- аппетит
- подхода
- назначенный
- основной
- Лучшая
- между
- биология
- Блоки
- тело
- Мозг
- ветви
- строить
- Строительство
- под названием
- Кембридж
- рак
- захватить
- случаев
- Клетки
- центральный
- вызов
- изменение
- изменения
- изменения
- охарактеризовать
- химический
- классов
- сотрудничество
- Колледж
- объединять
- комплекс
- комплексный
- способствовать
- контрольная
- может
- кредит
- данным
- базы данных
- DeepMind
- развивающийся
- Развитие
- Диабет
- отличаться
- различный
- КОПАТЬ
- открытие
- Болезнь
- Г-жа
- Врачи
- вниз
- драматично
- управлять
- вождение
- наркотик
- Наркотики
- каждый
- Эффективный
- эффективный
- или
- появление
- Окружающая среда
- оборудованный
- существенный
- по существу
- пример
- подвергаться
- ФРС
- Найдите
- Во-первых,
- Флаги
- гибкого
- внимание
- форма
- найденный
- от
- функция
- Функции
- фундаментальный
- игра
- получить
- дает
- цель
- идет
- захват
- большой
- группы
- Группы
- Рост
- горсть
- Гарвардский
- здоровый
- помощь
- High
- надежды
- Как
- HTTPS
- человек
- ICE
- мороженое
- идея
- идентифицированный
- определения
- идентифицирующий
- изображений
- важную
- in
- В других
- включать
- включенный
- повлиять
- взаимодействовать
- вводить
- вовлеченный
- Ирландия
- IT
- работа
- Король
- известный
- вести
- Lets
- ЖИЗНЬЮ
- жизнью
- места
- Длинное
- ДЕЛАЕТ
- макияж
- изготовлен
- многих
- механизм
- основным медицинским
- медицина
- метод
- Методология
- MIT
- изменения
- Месяц
- БОЛЕЕ
- самых
- с разными
- природа
- Необходимость
- нуждающихся
- сетей
- Нейроны
- Новые
- следующий
- предлагают
- ONE
- открытие
- Другое
- Другое
- часть
- особый
- части
- процент
- картина
- штук
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- представляет
- возможность
- потенциал
- мощный
- предсказывать
- прогноз
- Predictions
- привилегированный
- предыдущий
- предварительно
- Проблема
- Процессы
- Белкове продукты
- Белки
- опубликованный
- готовый
- Реальность
- последний
- Red
- Красные флаги
- регламентировать
- исследователи
- Сопротивление
- жесткий
- Дорога
- грубо
- королевский
- Сказал
- Школа
- Ученый
- Ученые
- Шон
- Форма
- формы
- Короткое
- должен
- сигналы
- одинарной
- Сайтов
- небольшой
- So
- РЕШАТЬ
- некоторые
- сложный
- конкретный
- конкретно
- Начало
- Шаг
- По-прежнему
- структурный
- Структура
- исследования
- Кабинет
- такие
- окруженный
- Коммутатор
- Говорить
- цель
- направлена против
- команда
- тестXNUMX
- Ассоциация
- их
- время
- в
- Сегодняшних
- вместе
- инструменты
- трек
- Transform
- правда
- ОЧЕРЕДЬ
- две трети
- понимание
- Вселенная
- Университет
- университет Кембриджа
- us
- использование
- предприятие
- известный
- Что
- , которые
- в то время как
- КТО
- будете
- без
- Работа
- разработки
- бы
- лет
- Ты
- зефирнет