Искусственный интеллект может рассказать людям о белках

Москва, 17:05, 15 Май 2019, редакция FTimes.ru, автор Сергей Кузнецов.

Интеллектуальные виртуальные спутники, такие как Alexa, Siri и Google Assistant, уже давно стали частью нашей повседневной жизни. А интеллектуальные вычислительные программы стали неотъемлемым инструментом научных исследований. Огромные объемы данных, полученных в исследованиях в области наук о жизни, могут быть эффективно проанализированы на предмет повторяющихся паттернов с помощью алгоритмов.

Некоторые программы способны обнаруживать повторяющиеся структуры в больших белковых молекулах и затем использовать эту информацию, чтобы сделать выводы о том, какие клеточные задачи выполняют эти молекулы — например, функционируют ли они как генные переключатели, молекулярные двигатели или сигнальные молекулы. Предсказания, сделанные такими алгоритмами на основе белковых последовательностей, которые состоят из серии строительных блоков, соединенных вместе, как жемчужное ожерелье, теперь невероятно точны.

Тем не менее, основным недостатком предыдущих методов является то, что пользователи находятся в полном неведении относительно того, почему алгоритм назначает определенную функцию определенным последовательностям белка. Точные знания компьютера о белках напрямую недоступны, несмотря на то, что такие знания могут оказаться неоценимыми для продвижения исследований и разработок новых агентов.

Студенческая команда из Берлинского института здоровья (BIH) и Университета Шарите, в сотрудничестве с Домиником Ниопеком из Гейдельбергского университета поставила целью разблокировку этих знаний с компьютера.

Молодые ученые начали с того, что разработали способ наблюдать за программой во время ее работы.

Затем ученые используют новую аналитическую технику для определения областей белков, жизненно важных для их функции. Этот метод работает для передачи сигналов белков, которые играют роль во время канцерогенеза, а также для инструмента редактирования генов CRISPR-Cas9, который уже был протестирован в большом количестве доклинических и клинических исследований.

«С помощью этой работы мы показываем, что предсказания нейронных сетей могут быть не только полезными, но и впервые мы можем использовать эти неявные знания для практических целей», — объясняет Роланд Эйлс.

Этот подход актуален для многих вопросов молекулярной биологии и медицины.

«Если, например, мы хотим разработать целевые препараты или генную терапию, нам нужно точно знать, на чем нужно сосредоточить внимание», — добавляет Эйлс. «DeeProtein теперь может помочь нам сделать это».