Las proteínas a menudo se denominan moléculas de trabajo del cuerpo humano. Un cuerpo típico tiene más de 20,000 tipos diferentes de proteínas, cada una de las cuales está involucrada en muchas funciones esenciales para la vida humana.
Ahora, los investigadores de la Universidad de Purdue han diseñado un enfoque novedoso para utilizar el aprendizaje profundo para comprender mejor cómo interactúan las proteínas en el cuerpo, allanando el camino para producir modelos de estructura precisos de interacciones de proteínas involucradas en diversas enfermedades y para diseñar mejores medicamentos que se dirijan específicamente ainteracciones de proteínas. El trabajo se publica en línea en Bioinformática .
"Para comprender los mecanismos moleculares de las funciones de los complejos de proteínas, los biólogos han estado utilizando métodos experimentales como rayos X y microscopios, pero son esfuerzos que requieren mucho tiempo y recursos", dijo Daisuke Kihara, profesor de ciencias biológicas e informática.ciencia en la Facultad de Ciencias de Purdue, que dirige el equipo de investigación. "Los investigadores de bioinformática en nuestro laboratorio y otras instituciones han estado desarrollando métodos computacionales para modelar complejos de proteínas. Un gran desafío es que un método computacional generalmente genera miles de modelos y elige el correctouno o clasificar los modelos puede ser difícil "
Kihara y su equipo desarrollaron un sistema llamado DOVE, selección de señuelo de acoplamiento con red neuronal profunda basada en Voxel, que aplica principios de aprendizaje profundo a modelos virtuales de interacciones de proteínas. DOVE escanea la interfaz proteína-proteína de un modelo y luego usa el aprendizaje profundoprincipios modelo para distinguir y capturar características estructurales de modelos correctos e incorrectos.
"Nuestro trabajo representa un avance importante en el campo de la bioinformática", dijo Xiao Wang, un estudiante graduado y miembro del equipo de investigación. "Esta puede ser la primera vez que los investigadores utilizan con éxito el aprendizaje profundo y las características 3D para comprender rápidamente elefectividad de ciertos modelos de proteínas. Luego, esta información se puede utilizar en la creación de medicamentos dirigidos para bloquear ciertas interacciones proteína-proteína ".
Fuente de la historia :
Materiales proporcionado por Universidad de Purdue . Original escrito por Chris Adam. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :