Predicción precisa de la estructura de proteínas ahora accesible para todos

El nuevo software de inteligencia artificial puede calcular estructuras de proteínas en 10 minutos

• Fecha : 15 de julio de 2021
• Fuente : Facultad de Medicina de la Universidad de Washington / Medicina de la Universidad de Washington
• Resumen : Los investigadores de diseño de proteínas han creado un método disponible de forma gratuita, RoseTTAFold, para proporcionar acceso a una predicción de la estructura de proteínas de alta precisión. Científicos de todo el mundo lo están utilizando para crear modelos de proteínas para acelerar su investigación. La herramienta utiliza el aprendizaje profundo para predecir rápidamente las estructuras de proteínas.basado en información limitada, reduciendo así el tiempo para lo que habría requerido años de trabajo de laboratorio en una sola proteína. La predicción de formas intrincadas de proteínas vitales para procesos biológicos específicos podría acelerar el desarrollo de tratamientos para muchas enfermedades.

Los científicos han esperado meses para acceder a una predicción de estructura de proteínas de alta precisión desde que DeepMind presentó un progreso notable en esta área en la conferencia de Evaluación Crítica de Predicción de Estructura de 2020, o CASP14. La espera ha terminado.

Investigadores del Instituto de Diseño de Proteínas de la Facultad de Medicina de la Universidad de Washington en Seattle han recreado en gran medida el desempeño logrado por DeepMind en esta importante tarea. Estos resultados serán publicados en línea por la revista ciencia el jueves 15 de julio

A diferencia de DeepMind, el método del equipo de Medicina de la UW, al que denominaron RoseTTAFold, está disponible de forma gratuita. Científicos de todo el mundo ahora lo utilizan para crear modelos de proteínas para acelerar su propia investigación. Desde julio, el programa ha sido descargado de GitHub pormás de 140 equipos de investigación independientes.

Las proteínas consisten en cadenas de aminoácidos que se pliegan en intrincadas formas microscópicas. Estas formas únicas a su vez dan lugar a casi todos los procesos químicos dentro de los organismos vivos. Al comprender mejor las formas de las proteínas, los científicos pueden acelerar el desarrollo de nuevos tratamientos para el cáncer, COVID-19 y miles de otros trastornos de salud.

"Ha sido un año ajetreado en el Institute for Protein Design, diseñando terapias y vacunas COVID-19 y lanzándolas a ensayos clínicos, junto con el desarrollo de RoseTTAFold para la predicción de la estructura de proteínas de alta precisión. Estoy encantado de que la comunidad científica ya estéutilizando el servidor RoseTTAFold para resolver problemas biológicos sobresalientes ", dijo el autor principal David Baker, profesor de bioquímica en la Facultad de Medicina de la Universidad de Washington, investigador del Instituto Médico Howard Hughes y director del Instituto de Diseño de Proteínas.

En el nuevo estudio, un equipo de biólogos computacionales dirigido por Baker desarrolló la herramienta de software RoseTTAFold. Utiliza el aprendizaje profundo para predecir de forma rápida y precisa las estructuras de las proteínas basándose en información limitada. Sin la ayuda de dicho software, puede llevar años de laboratoriotrabajar para determinar la estructura de una sola proteína.

RoseTTAFold, por otro lado, puede calcular de manera confiable una estructura de proteína en tan solo diez minutos en una sola computadora para juegos.

El equipo usó RoseTTAFold para calcular cientos de nuevas estructuras de proteínas, incluidas muchas proteínas del genoma humano poco comprendidas. También generaron estructuras directamente relevantes para la salud humana, incluidas las proteínas asociadas con el metabolismo problemático de lípidos, trastornos inflamatorios y células cancerosas.crecimiento. Y muestran que RoseTTAFold se puede utilizar para construir modelos de conjuntos biológicos complejos en una fracción del tiempo requerido anteriormente.

RoseTTAFold es una red neuronal de "tres pistas", lo que significa que considera simultáneamente los patrones en las secuencias de proteínas, cómo los aminoácidos de una proteína interactúan entre sí y la posible estructura tridimensional de una proteína. En esta arquitectura, uno, dos, y la información tridimensional fluye de un lado a otro, lo que permite a la red razonar colectivamente sobre la relación entre las partes químicas de una proteína y su estructura plegada.

"Esperamos que esta nueva herramienta continúe beneficiando a toda la comunidad de investigación", dijo Minkyung Baek, un becario postdoctoral que dirigió el proyecto en el laboratorio Baker en UW Medicine.

Fuente de la historia :

Materiales proporcionado por Facultad de Medicina de la Universidad de Washington / Medicina de la Universidad de Washington . Original escrito por Ian Haydon. Nota: el contenido se puede editar por estilo y longitud.

Referencia de la revista :

1. Minkyung Baek, Frank DiMaio, Ivan Anishchenko, Justas Dauparas, Sergey Ovchinnikov, Gyu Rie Lee, Jue Wang, Qian Cong, Lisa N. Kinch, R. Dustin Schaeffer, Claudia Millán, Hahnbeom Park, Carson Adams, Caleb R. Glassman, Andy DeGiovanni, Jose H. Pereira, Andria V.Rodrigues, Alberdina A. van Dijk, Ana C. Ebrecht, Diederik J. Opperman, Theo Sagmeister, Christoph Buhlheller, Tea Pavkov-Keller, Manoj K.Rathinaswamy, Udit Dalwadi, CalvinK. Yip, John E. Burke, K. Christopher García, Nick V. Grishin, Paul D. Adams, Randy J. Read, David Baker. predicción precisa de estructuras e interacciones de proteínas mediante una red neuronal de tres pistas . ciencia , 2021; eabj8754 DOI: 10.1126 / science.abj8754