Алгоритм предсказания взаимодействия белков поможет понять работу живых систем
Исследователи разработали алгоритм, который определяет, какие белки внутри клеток взаимодействуют друг с другом, на основе их генетических последовательностей. Это улучшит изучение биологии и прольёт свет на то, как белки совместно выполняют задачи, например, превращают пищу в энергию.
Новое исследование, опубликованное в журнале Proceedings of the National Academy of Sciences, — значительный шаг вперёд, поскольку биологические процессы управляются специфическими белково-белковыми взаимодействиями.
Как работает алгоритм
Когда два белка связываются, некоторые аминокислоты на одной цепи взаимодействуют с аминокислотами на другой. Границы между взаимодействующими белками со временем эволюционируют совместно, что приводит к взаимному «отражению» их последовательностей.
Алгоритм использует этот эффект для построения модели взаимодействия:
- Сначала он случайным образом спаривает варианты белков внутри каждого организма.
- Поскольку взаимодействующие пары имеют тенденцию быть более похожими по последовательности, алгоритм быстро выделяет небольшой набор в основном правильных пар из случайной начальной точки.
- Используя этот набор, алгоритм определяет, влияет ли аминокислота в определённом месте первого белка на то, какая аминокислота находится в соответствующем месте второго белка.
- Эти зависимости, извлечённые из данных, включаются в модель для расчёта силы взаимодействия для каждой возможной белковой пары. Низкооцененные пары отбрасываются, а оставшийся набор используется для построения обновлённой модели.
Ключевой результат: обучение без примеров
Исследователи ожидали, что алгоритму потребуются известные белковые пары («золотой стандарт») для обучения. Они использовали хорошо изученные семейства белков — гистидинкиназы и регуляторы ответа, которые взаимодействуют в сигнальной системе бактерий.
Однако команда обнаружила, что алгоритм можно запустить без предоставления каких-либо обучающих пар. Он всё равно предсказал новые пары с точностью 93% на наборе данных из более чем 40 000 белковых последовательностей с известным спариванием.
«Мы были действительно удивлены, что наш алгоритм достаточно мощный, чтобы делать точные предсказания в отсутствие экспериментальных данных», — сказала соавтор исследования доктор Люси Колвелл из Кембриджского университета.
Значение и перспективы
Предсказание этих взаимодействий поможет понять, как белки соединяются и работают вместе для выполнения задач. Использование алгоритма намного быстрее и дешевле, чем полагаться на эксперименты.
Алгоритм был разработан на белках бактерий, и исследователи теперь расширяют методику на другие организмы. «Реакции в живых организмах управляются специфическими белковыми взаимодействиями. Этот подход позволяет нам выявлять и исследовать эти взаимодействия — важный шаг к построению картины работы живых систем», — отметила Колвелл.