Искусственный интеллект позволил китайским ученым совершить прорыв в изучении лекарств
Китайские ученые утверждают, что им удалось разработать искусственный интеллект, способный прогнозировать структурные изменения белков. По мнению многих биологов, эта задача не решаема при использовании технологий машинного обучения.
Прорыв может ускорить процесс доклинической разработки лекарств, считают исследователи под руководством профессора Ли Цзыцина из инженерной школы Университета Вестлейк. Часть их работы была опубликована в октябре в рецензируемом журнале Advanced Science.
Молекулы белка – строительные блоки организма – представляют собой длинные цепочки аминокислот. Трехмерная структура цепочек вызывает обратимые изменения в белке в зависимости от требуемой биологической функции, и эти альтернативные структуры называются конформациями.
Но, по словам Ли и его команды, их модель искусственного интеллекта ProtMD решает проблему ограниченности технологий в вопросе понимания конформации белка и точно прогнозирует, какие конформации будут формировать белки в различных физиологических условиях.
Алгоритм ProtMD рассчитывает движения белка на атомном уровне, генерируя данные на основе молекулярной динамики. ProtMD – более обобщенный, чем другие методы расчетов, но по уровню производительности, относящемуся к неизвестным парам структур, он не отличается от других алгоритмов.
«Эта модель не только спрогнозирует предстоящую конформацию белка в соответствии с его предыдущим состоянием, но и конформационное изменение после взаимодействия с молекулами лекарства, что дает нам возможность оценить эффект лекарства», – сказал Ли.
Молекулы белка – строительные блоки организма – представляют собой длинные цепочки аминокислот. Трехмерная структура цепочек вызывает обратимые изменения в белке в зависимости от требуемой биологической функции, и эти альтернативные структуры называются конформациями.
Но, по словам Ли и его команды, их модель искусственного интеллекта ProtMD решает проблему ограниченности технологий в вопросе понимания конформации белка и точно прогнозирует, какие конформации будут формировать белки в различных физиологических условиях.
Алгоритм ProtMD рассчитывает движения белка на атомном уровне, генерируя данные на основе молекулярной динамики. ProtMD – более обобщенный, чем другие методы расчетов, но по уровню производительности, относящемуся к неизвестным парам структур, он не отличается от других алгоритмов.
«Эта модель не только спрогнозирует предстоящую конформацию белка в соответствии с его предыдущим состоянием, но и конформационное изменение после взаимодействия с молекулами лекарства, что дает нам возможность оценить эффект лекарства», – сказал Ли.