Исследователи из University of Florida (UF) представили новейший алгоритм, который переворачивает страницу в понимании белковых взаимодействий. Опубликованные в Angewandte Chemie результаты исследования представляют собой значительный шаг вперед в разработке методов понимания и лечения болезней.
Инновационный инструмент, названный AF-CBA Pipeline, предлагает решение для точной и быстрой идентификации ключевых пептидов, связывающихся с конкретными белками.
Этот алгоритм использует искусственный интеллект для моделирования молекулярных взаимодействий, позволяя сортировать тысячи молекул-кандидатов и определять наиболее эффективные взаимодействия с целевыми белками. Подход, основанный на ИИ, обеспечивает оперативность и эффективность, недостижимую для традиционных методов, основанных на физике.
«AF-CBA Pipeline представляет собой своего рода продуктовый магазин для молекул», - объясняет Перес. «Этот метод позволяет нам не только оценить всех кандидатов, но и уверенно выбрать наилучшие из них».
Используя этот инструмент, исследователи смогли выявить пептиды, обладающие сильными связывающими свойствами с белками, что открывает новые перспективы для таргетированной терапии различных заболеваний, таких как воспаление, иммунная дисрегуляция и рак.
Примечательно, что AF-CBA Pipeline основан на уже существующей технологии AlphaFold, разработанной Google Deepmind, которая использует глубокое обучение для предсказания белковых структур. Это обеспечивает уникальную связь между современными методами машинного обучения и химией, делая инструмент более доступным для исследователей и повышая его потенциал для будущего внедрения.
Создание новых библиотек позволит выявить пептиды, обладающие высокой способностью связывания, что может стать ключом к разработке эффективных препаратов против вирусов и других болезней.
