ШІ навчився передбачати, де пептид зв’яжеться з білком і наскільки сильним буде цей зв’язок
Пептиди можуть стати основою дуже точних ліків, але знайти молекулу, яка надійно зв’язується з потрібним білком, складно. Нова модель штучного інтелекту VITAL намагається вирішити одразу три задачі: визначити, чи взаємодіятимуть пептид і білок, показати місце контакту та оцінити силу зв’язування.
Модель опублікована в Nature Machine Intelligence. Вона поєднує білкову мовну модель, що аналізує послідовності амінокислот, із геометричним модулем, який враховує просторове розташування молекул в області контакту.
Не лише «так або ні»
Багато попередніх моделей вирішують бінарну задачу: взаємодіє певний пептид із білком чи ні. Для дизайну препарату цього недостатньо. Досліднику потрібно знати, де саме відбувається контакт і наскільки стабільним він буде.
VITAL досяг максимальної площі під ROC-кривою 0,87 на різних тестових наборах. Для визначення конкретних амінокислот інтерфейсу точність перевищувала 60%, а модель також формувала безперервний показник сили зв’язування.
Це дозволяє переходити від простого сортування кандидатів до більш змістовного аналізу: чому одна молекула працює краще за іншу і яку ділянку потрібно змінити.
Частину прогнозів перевірили експериментально
Автори не обмежилися комп’ютерними тестами. Вони використали модель для пошуку нових взаємодій і експериментально перевірили частину кандидатів.
Такі перевірки критично важливі для біомедичного ШІ, оскільки висока точність на готовому датасеті ще не гарантує успіху на нових молекулах.
VITAL може бути корисним у створенні пептидних терапевтичних молекул, інгібіторів білкових взаємодій і діагностичних зондів. Проте модель не замінює лабораторні дослідження токсичності, стабільності та фармакокінетики.
Головна перевага ШІ тут — скорочення простору пошуку. Замість перевірки тисяч або мільйонів пептидів навмання дослідники можуть спочатку відібрати найбільш перспективні структури, а вже потім витрачати ресурси на експерименти.
Для розробників це також спосіб краще пояснювати прогнози моделі. Якщо система вказує конкретну ділянку контакту, біохімік може перевірити її структурно або змінити кілька амінокислот і побачити, чи справді зв’язування посилюється. Такий цикл «прогноз — експеримент — уточнення» робить ШІ практичнішим інструментом молекулярного дизайну.
