Sub-jurnal alam semula jadi, dengan kadar ketepatan 96%, AI meramalkan interaksi protein-ligan daripada jujukan

Editor |. Kaedah pengiraan semasa boleh meramalkan sifat interaksi protein-ligan ini, tetapi tanpa struktur protein resolusi tinggi, ketepatan sering hilang dan kesan berfungsi tidak dapat diramalkan. Penyelidik di Monash University dan Griffith University telah membangunkan

PSICHIC

(

PhySIcoCHhemICal Graph Neural Network), satu rangka kerja yang menggabungkan kekangan fizikokimia terus daripada jujukan Data cap jari interaksi penyahkodan. Ini membolehkan PSICHIC menyahkod mekanisme di sebalik interaksi protein-ligan, mencapai ketepatan dan kebolehtafsiran terkini. Dilatih pada pasangan protein-ligan yang sama tanpa data struktur, PSICHIC

dilakukan setanding dengan, atau bahkan melebihi, kaedah berasaskan struktur terkemuka dalam ramalan pertalian mengikat. Cap jari boleh tafsir

PSICHIC

mengenal pasti sisa protein dan atom ligan yang terlibat dalam interaksi dan membantu mendedahkan penentu selektiviti interaksi protein-ligan.

Kajian itu bertajuk "Rangkaian saraf graf fizikokimia untuk mempelajari cap jari interaksi protein–ligan daripada data jujukan

" dan diterbitkan dalam "

Nature Machine Intelligence" pada 17 Jun 2024.

Cabaran ramalan pertalian protein-ligan

Dalam proses penemuan ubat, memahami pertalian pengikatan dan kesan fungsian ligan molekul kecil pada protein adalah kritikal, kerana interaksi selektif ligan dengan protein tertentu menentukan kesan yang dijangkakan. daripada dadah itu. Walau bagaimanapun, walaupun kaedah pengiraan semasa mampu meramalkan sifat interaksi protein-ligan, dengan ketiadaan struktur protein resolusi tinggi, ketepatan ramalan sering berkurangan, dan terdapat juga kesukaran dalam meramalkan kesan fungsian.

Walaupun kaedah berasaskan urutan mempunyai lebih banyak kelebihan dalam kos dan sumber (sebagai contoh, mereka tidak memerlukan proses penentuan struktur eksperimen yang mahal), kaedah ini sering menghadapi masalah darjah kebebasan yang berlebihan dalam padanan corak, yang boleh membawa kepada pemadanan yang berlebihan. dan keupayaan pengitlak yang terhad, dengan itu mewujudkan jurang prestasi berbanding kaedah berasaskan struktur atau komposit.

Rangkaian Neural Graf Kimia Fizikal

Pasukan penyelidik dari Universiti Monash dan Universiti Griffith membangunkan PSICHIC (Rangkaian Neural Graf Kimia Fizikal), kaedah untuk menyahkod ligan protein secara langsung daripada data jujukan mengikut prinsip interaksi badan fizikal dan kimia kaedah. Tidak seperti model berasaskan jujukan sebelumnya, PSICHIC secara unik menggabungkan kekangan fizikokimia untuk mencapai ketepatan dan kebolehtafsiran terkini.

Sebagai kaedah berasaskan jujukan 2D, PSICHIC menjana dan mengenakan kekangan ini pada plot 2D dengan menggunakan algoritma pengelompokan, membolehkan PSICHIC menyesuaikan diri terutamanya dengan corak asas rasional yang menentukan interaksi protein-ligan semasa latihan.

Ilustrasi: Gambaran Keseluruhan PSICHIC

(Sumber: Kertas)

Pengesahan dan Perbandingan Prestasi

Selepas latihan pada pasangan data prediksi-ligan protein dalam dua PSIIC yang sama -kaedah berasaskan struktur seni dan berasaskan komposit menandingi atau mengatasinya.

Hasil percubaan pada set data PDBBind v2016 dan PDBBind v2020 menunjukkan bahawa PSICHIC mengatasi kaedah berasaskan jujukan lain, seperti TransCPI, MolTrans dan DrugBAN, pada berbilang penunjuk.

Ilustrasi:

Ringkasan statistik prestasi ramalan pertalian pengikat protein-ligan pada penanda aras PDBind v2016 dan PDBind v2020. (Sumber: kertas)

Khususnya:

PSICHIC menunjukkan ralat ramalan yang lebih rendah dan indeks korelasi yang lebih tinggi, terutamanya dari segi ketepatan ramalan dan keupayaan generalisasi.

PSICHIC mencapai ketepatan sehingga 96% dalam ramalan kesan berfungsi.
• Juga:

• PSICHIC cemerlang dalam mengenal pasti tapak pengikat dan kumpulan berfungsi ligan utama.
• Dalam analisis struktur kompleks protein-ligan berbilang (seperti PDB 6K1S dan 6OXV), PSICHIC dapat mengesan dengan tepat sisa pengikat dan kumpulan berfungsi ligan, mengesahkan penyahkodan langsung protein-ligan dalam data jujukan corak interaksi badan.
• Keupayaan ini terutamanya dicerminkan dalam keupayaannya untuk meramalkan tapak pengikat protein-ligan dan sisa utama daripada data jujukan.

  

  Ilustrasi: Saringan maya menggunakan cap jari interaktif. (Sumber: kertas)

Menariknya, cap jari PSICHIC yang boleh ditafsir menunjukkan bahawa ia memperoleh keupayaan untuk menyahkod mekanisme asas interaksi protein-ligan daripada data jujukan sahaja, mengenal pasti sisa protein tapak mengikat dan melibatkan keupayaan atom ligan, walaupun apabila dilatih hanya pada data jujukan dengan label perkaitan yang mengikat dan tiada maklumat interaksi.

Nilai

1. cap jari interaksi protein-ligan menerangkan ciri interaksi khusus antara ligan dan sisa protein.
2. PSICHIC menyediakan pendekatan unik untuk mendapatkan cap jari interaksi yang boleh ditafsir menggunakan hanya data jujukan.
3. PSICHIC menggabungkan kekangan dan menunjukkan keupayaan yang muncul untuk mendedahkan mekanisme interaksi protein-ligan dan meramalkan sifat interaksi dengan cekap.
4. PSICHIC menghapuskan keperluan untuk data 3D, membuka jalan untuk pembelajaran teguh pada pangkalan data jujukan berskala besar.

Pandangan Masa Depan

1. Perluas analisis PSICHIC kepada kompleks protein, seperti GPCR yang dikomplekskan dengan protein G heterotrimerik.
2. Meneroka interaksi kompleks seperti peraturan alosterik membantu memahami cara ligan alosterik mengawal ligan ortosterik dalam sasaran protein.
3. PSICHIC telah membuktikan keteguhan dan keberkesanannya dalam pelbagai bidang aplikasi dan mempunyai potensi luas untuk pembangunan masa hadapan.

Atas ialah kandungan terperinci Sub-jurnal alam semula jadi, dengan kadar ketepatan 96%, AI meramalkan interaksi protein-ligan daripada jujukan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!