ИИ раскрывает природу взаимодействий РНК и белков
Учёные из KAUST разработали новый вычислительный инструмент, использующий искусственный интеллект (ИИ) для определения РНК-связывающих свойств белков. Программное обеспечение под названием NucleicNet превосходит другие алгоритмические модели своего рода и предоставляет дополнительные биологические данные, которые могут помочь в разработке лекарств.
«Связывание с РНК — это фундаментальное свойство многих белков», — говорит Джорди Хоминг Лам, бывший научный сотрудник KAUST и соавтор исследования. «Наша вычислительная система, основанная на структуре, может раскрыть детальные РНК-связывающие свойства этих белков, что важно для характеристики патологии многих заболеваний».
Белки постоянно взаимодействуют с молекулами РНК, чтобы контролировать обработку и транспорт транскриптов генов. Когда эти взаимодействия нарушаются, поток информации внутри клетки прерывается, что может привести к расстройствам, включая рак и нейродегенеративные заболевания.
Чтобы лучше понять, какие части молекулы РНК склонны связываться с различными точками на поверхности белка, Лам и его коллеги обратились к глубокому обучению — типу ИИ. Работая в лаборатории профессора KAUST Синь Гао в Центре вычислительных биологических исследований, Лам и аспирант Ю Ли научили NucleicNet автоматически изучать структурные особенности, лежащие в основе взаимодействий между белками и РНК.
Они обучили алгоритм, используя трёхмерные структурные данные из 158 различных комплексов белок-РНК, доступных в публичной базе данных. Сравнивая NucleicNet с другими прогностическими моделями — все они полагаются на последовательности, а не на структурную информацию — команда KAUST показала, что этот инструмент может наиболее точно определять, какие сайты на поверхности белка связываются с молекулами РНК.
Более того, в отличие от любой другой модели, NucleicNet мог предсказать, какие аспекты молекулы РНК участвуют в связывании: будь то часть сахарофосфатного остова или одна из четырёх букв генетического алфавита.
В сотрудничестве с исследователями из Китая и США Лам, Ли и Гао проверили свой алгоритм на разнообразном наборе РНК-связывающих белков, включая белки, связанные с раком дёсен и боковым амиотрофическим склерозом. Они показали, что взаимодействия, выведенные NucleicNet, близко соответствуют тем, что были выявлены экспериментальными методами. Результаты опубликованы в Nature Communications.
«Структурные особенности мало учитывались другими вычислительными системами», — говорит Лам. «Мы использовали возможности глубокого обучения, чтобы выявить эти тонкие взаимодействия».
NucleicNet находится в открытом доступе для исследователей, которые хотят предсказать сайты связывания с РНК и предпочтения связывания для любого интересующего белка. Программное обеспечение доступно по адресу: http://www.cbrc.kaust.edu.sa/NucleicNet/.