Läbimurre valgu simulatsioonis: Berliini teadlased muudavad meetodi revolutsiooniliseks!

Läbimurre valgu simulatsioonis: Berliini teadlased muudavad meetodi revolutsiooniliseks!

18. juulil 2025 osales rahvusvaheline uurimisrühm, mida juhtis prof dr Cecilia Clementi. Berliini vabaülikool murranguline artikkel ajakirjasLooduskeemia, mis tekitab teadusmaailmas segadust. Artiklis esitletakse uut mudelit, mis võimaldab valkude täpset ja tõhusat simulatsiooni – oluliselt kiiremini kui tavalised molekulaardünaamika simulatsioonid.

Valkude voltimise ja dünaamika realistliku kujutamise väljakutse on eksisteerinud üle 50 aasta. Teadlased kasutasid süvaõpet, et töötada välja süsteem, mis lähendab kõigi aatomite valkude simulatsioone. Äsja välja töötatud mudel CGSchNet kasutab osakeste vahelise tõhusa interaktsiooni õppimiseks graafilist närvivõrku. Need uuenduslikud lähenemisviisid avavad paljutõotavaid rakendusi vähi ja muude haiguste ravimite ja antikehade teraapiate väljatöötamisel.

Edusammud valgu simulatsioonis

Mudel keskendub valkude dünaamilisele voltimisprotsessile, sealhulgas vahepealsetele olekutele, mis mängivad rolli valesti voltimises, nagu amüloidid. See simuleerib üleminekuid volditud olekute vahel, mis on valkude funktsiooni jaoks üliolulised. Selle mudeli oluline edasiminek on võime täpselt ennustada volditud, lahtivolditud ja korrastamata valkude pikaealisi olekuid.

CGSchNeti mudeli üks tähelepanuväärsemaid omadusi on võime ennustada volditud valgu mutantide suhtelist stabiilsust, mida varasemad meetodid pole suutnud saavutada. Prof dr Cecilia Clementi, kes oli varem keemia ja füüsika professor Rice'i ülikoolis Houstonis, Texases, tugevdab Berliini Vabaülikoolis teoreetilise ja arvutusliku biofüüsika alast uurimistööd. Nende tööd toetavad Einsteini professorid, mis toetavad Berliini ülikoole ja Charité ametisse nimetamise või residentuuri läbirääkimistel.

Andmed ja mudelid üksikasjalikult

Uuringus kasutati põhjalikke andmekogumeid. Võrdlusandmekogum sisaldab 1262 sihtmärki ja hõlmab laia valikut valgu struktuure, sealhulgas 717 üksiku domeeni valku, 257 äsja avaldatud sihtmärki ja 288 sihtmärki CASP 8–14. Need andmekogumid valmistati ette koondamiste eemaldamiseks ja järjestuse identiteedi reguleerimiseks <30% piirini.

Human Protome'i andmestik sisaldab 20 595 valku ja võimaldab diferentseeritud analüüsida ühe- ja mitmedomeenilisi valke. Neist ennustati 19 512 valku, millel on potentsiaalselt suur tähtsus struktuuri ennustamisel. Lisaks integreeriti uuringusse D-I-TASSER torujuhe, mis kasutab proteiini struktuuri ennustamiseks hübriidset lähenemist.

See konveier teostab kõiki samme alates sügavast MSA genereerimisest kuni keermestusmalli tuvastamiseni kuni struktuuri täpsustamise ja mudeli hindamiseni. Kaasaegsete algoritmide ja tehnoloogiate, nagu DeepPotential ja AttentionPotential, kasutamine illustreerib töö uuenduslikkust.

Uuringu tulemused on ülekantavad mitmesugustele valkudele väljaspool konkreetset koolitusandmete kogumit, mis rõhutab mudeli asjakohasust biokeemiliste uuringute jaoks. Uuringus välja töötatud meetodite rakendamisel võib olla kaugeleulatuv mõju valguuuringute ja ravimite väljatöötamise tulevikule. Lisateavet leiate üksikasjalikust väljaandest Loodus leida.