Revoluție în simularea proteinelor: cercetătorii de la Berlin revoluționează metoda!

Revoluție în simularea proteinelor: cercetătorii de la Berlin revoluționează metoda!

Pe 18 iulie 2025, o echipă internațională de cercetare condusă de prof. dr. Cecilia Clementi de la Universitatea Liberă din Berlin un articol revoluționar în revistăChimia naturii, care face furori în lumea științifică. Articolul prezintă un nou model care permite simularea precisă și eficientă a proteinelor - semnificativ mai rapidă decât simulările convenționale de dinamică moleculară.

Provocarea de a descrie în mod realist plierea și dinamica proteinelor există de peste 50 de ani. Cercetătorii au folosit învățarea profundă pentru a dezvolta un sistem care aproximează simulările de proteine ​​ale tuturor atomilor. Modelul nou dezvoltat, CGSchNet, folosește o rețea neuronală grafică pentru a învăța interacțiuni eficiente dintre particule. Aceste abordări inovatoare deschid aplicații promițătoare în dezvoltarea de medicamente și terapii cu anticorpi pentru cancer și alte boli.

Progrese în simularea proteinelor

Modelul se concentrează asupra procesului de pliere dinamică a proteinelor, inclusiv a stărilor intermediare care joacă un rol în pliuri greșite, cum ar fi amiloizii. Simulează tranzițiile între stările pliate care sunt cruciale pentru funcția proteinelor. Un progres semnificativ al acestui model este capacitatea de a prezice cu precizie stările de lungă durată ale proteinelor pliate, desfăcute și dezordonate.

Una dintre cele mai notabile caracteristici ale modelului CGSchNet este capacitatea de a prezice stabilitatea relativă a mutanților proteinei pliate, pe care metodele anterioare nu au reușit să o realizeze. Prof. dr. Cecilia Clementi, care a fost anterior profesor de chimie și fizică la Universitatea Rice din Houston, Texas, consolidează cercetarea în biofizica teoretică și computațională la Universitatea Liberă din Berlin. Activitatea lor este susținută de Einstein Professorships, care sprijină universitățile din Berlin și Charité în negocierile privind numirea sau rezidențiatul.

Date și modele în detaliu

Studiul a folosit seturi cuprinzătoare de date. Setul de date de referință conține 1.262 de ținte și acoperă o gamă largă de structuri de proteine, inclusiv 717 proteine ​​cu un singur domeniu, 257 de ținte recent publicate și 288 de ținte din CASP 8-14. Aceste seturi de date au fost pregătite pentru a elimina redundanțele și pentru a ajusta identitatea secvenței la o limită de <30%.

Setul de date Human Protome include 20.595 de proteine ​​și permite analiza diferențiată a proteinelor cu un singur domeniu și multidomeniu. Dintre acestea, au fost prezise 19.512 proteine, ceea ce este potențial de mare importanță pentru predicția structurii. În plus, conducta D-I-TASSER, care utilizează o abordare hibridă a predicției structurii proteice, a fost integrată în cercetare.

Această conductă efectuează toți pașii de la generarea profundă a MSA la identificarea șablonului de filetare până la rafinarea structurală și evaluarea modelului. Utilizarea algoritmilor și tehnologiilor de ultimă generație, cum ar fi DeepPotential și AttentionPotential, ilustrează natura inovatoare a lucrării.

Rezultatele studiului sunt transferabile la o varietate de proteine ​​în afara setului de date de antrenament specific, ceea ce subliniază relevanța modelului pentru cercetarea biochimică. Aplicarea metodelor dezvoltate în studiu ar putea avea implicații de anvergură pentru viitorul cercetării proteinelor și dezvoltării medicamentelor. Informații suplimentare sunt disponibile în publicația detaliată Natură a găsi.