Російські вчені створили ІІ, здатний передбачати шкідливі мутації

Опубликованно 15.08.2019 00:33

МОСКВА, 12 сер – РІА Новини. Молекулярні біологи і математики з "Сколтеха", МФТІ і їх колеги з Індії створили методику, яка дозволяє створювати системи машинного навчання, вміють передбачати те, які мутації в молекулі того чи іншого білка будуть шкідливими. Його опис представлено в журналі PLoS One.'

"У цій роботі ми використовували поєднання "одномірної" інформації про амінокислотних послідовностей білків і тривимірних даних по їх структурі для створення моделі, яка дозволяє виявляти ті заміни в мембранних білках, які безпосередньо пов'язані з різними захворюваннями", ? розповідає Петро Попов з "Сколтеха".

Складні білкові молекули в наших організмах складаються з декількох тисяч амінокислот, чиї ланцюжки часто бувають утворюють складну форму завдяки взаємодіям між окремими "ланками" цих пептидних ланцюгів. Поки біологи не до кінця розкрили закони, за якими білки беруть певну форму, і які дозволяють визначати форму молекули за її формулою.

РИА НовостиФізики з Росії навчать лазери "диригувати" хімічними реакціями

Подібні підходи, як відзначають Попов і його колеги, не дозволяють вченим швидко або точно передбачати те, які "помилки" у структурі генів, що відповідають за складання цих білкових молекул, будуть змінювати характер їх роботи або ніяк не позначаться на властивостях цих ферментів, рецепторів або сигнальних речовин. Це значно ускладнює пошук нових мутацій і робить це заняття дуже дорогим і довгим захопленням.

Як передає прес-служба "Сколтеха", російські та індійські математики і біологи значно спростили цю задачу, створивши методику, яка дозволяє шукати подібні зміни в структурі білків за допомогою штучного інтелекту.

Для цього вчені розробили систему машинного навчання, що отримала ім'я BorodaTM, здатну аналізувати лінійну і тривимірну структуру вже вивчених білків, відзначати корисні, нейтральні та шкідливі мутації і шукати спільні закономірності в їх структурі.

При цьому аналізі ІІ враховував не тільки те, де знаходяться подібні "помилки" в ДНК, але і те, як вони змінювали фізичні властивості білка, в тому числі його гідрофільність, поляризацію, число водневих зв'язків, стабільність і інші характеристики. Це дозволяє алгоритмом досить швидко і точно вчитися передбачати те, як схожі зміни в структурі інших білків будуть змінювати їх функції та властивості.

8 червня 2017, 16:28РИА НовостиРосійські вчені знайшли помилку в головній догмі молекулярної біології

Для демонстрації його працездатності вчені "натренировали" систему шукати шкідливі мутації в так званих трансмембранных білках – пептидах, вбудованих в оболонки клітин і грають важливу роль в розпізнаванні "зовнішніх" хімічних сигналів. Порушення в їх структурі та роботі, як правило, дуже часто призводять до розвитку серйозних хвороб.

Для навчання ІІ вчені зібрали дані про те, як змінюється структура і функції приблизно шести десятків подібних молекул при появі 400 шкідливих і 150 безпечних мутацій в їх структурі. Цей відносно невеликий набір даних допоміг BorodaTM навчитися передбачати якісні характеристики довільних мутацій з точністю до 72%.

Як припускають вчені, якість роботи "бороди" можна буде помітно поліпшити, якщо розширити набір мутацій і білків, які використовуються для навчання. З іншого боку, вже зараз BorodaTM помітно перевершує інші системи штучного інтелекту в пророкуванні властивостей трансмембранных білків, хоча і поступається їм при вивченні розчинної частини пептидів.

Цей недолік, на думку Попова і його колег, можна буде ліквідувати аналогічним способом, розширивши набір прикладів і адаптувавши систему машинного навчання для роботи з такими молекулами. Все це, як сподіваються вчені, прискорить і здешевить пошук мутацій, що викликають хвороби, а також допоможе відкрити корисні зміни в структурі різних генів.

15 червня 2018, 18:39Соціальний навігаторВчені з Росії дізналися, як "упаковка" генів впливає на лікування раку грудей

Категория: Новости