UT 西南大學和華盛頓大學的研究人員領導了一個國際團隊，該團隊使用人工智能 (AI) 和進化分析來生成真核蛋白質相互作用的 3D 模型。這項發(fā)表在《科學》雜志上的研究首次確定了 100 多種可能的蛋白質復合物，并為 700 多種以前未表征的蛋白質復合物提供了結構模型。深入了解蛋白質對或蛋白質組結合在一起以進行細胞過程的方式可能會導致大量新的藥物靶點。
“我們的結果代表了結構生物學新時代的重大進步，計算在其中發(fā)揮著重要作用，”尤金麥克德莫特人類生長與發(fā)展中心助理教授、生物物理學副教授錢聰博士說.
在被 UT Southwestern 招募之前，Cong 博士與華盛頓大學生物化學教授兼博士后導師 David Baker 博士一起領導了這項研究。該研究有四位共同主要作者，包括 UT 西南計算生物學家 Jimin Pei，博士。
Cong 博士解釋說，蛋白質通常成對或成組運作，稱為復合物，以完成保持生物體存活所需的每一項任務。雖然其中一些相互作用得到了很好的研究，但許多仍然是個謎。構建全面的相互作用組——或細胞中完整的分子相互作用集的描述——將闡明生物學的許多基本方面，并為研究人員開發(fā)鼓勵或阻止這些相互作用的藥物提供一個新的起點。叢博士在新興的相互作用組學領域工作，該領域結合了生物信息學和生物學。
直到最近，構建相互作用組的一個主要障礙是許多蛋白質結構的不確定性，這是科學家半個世紀以來一直試圖解決的問題。2020 年和 2021 年，一家名為 DeepMind 的公司和 Baker 博士的實驗室獨立發(fā)布了兩種 AI 技術，稱為 AlphaFold(AF)和 RoseTTAFold(RF)，它們使用不同的策略根據(jù)產生蛋白質的基因序列來預測蛋白質結構。
在當前的研究中，Cong 博士、Baker 博士和他們的同事通過對許多酵母蛋白質復合物進行建模來擴展這些 AI 結構預測工具。酵母是基礎生物學研究的常見模式生物。為了找到可能相互作用的蛋白質，科學家們首先在相關真菌的基因組中搜索了以相關方式獲得突變的基因。然后他們使用這兩種人工智能技術來確定這些蛋白質是否可以組合成 3D 結構。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！