Un nuevo algoritmo de aprendizaje automático ayuda a encontrar sitios de unión a fármacos

[ad_1]

Científicos del grupo iMolecule del Centro Skoltech de Ciencia e Ingeniería Computacional e Intensiva en Datos (CDISE) desarrollaron BiteNet, un algoritmo de aprendizaje automático (ML) que ayuda a encontrar sitios de unión de fármacos, es decir, potenciales objetivos de fármacos, en proteínas. BiteNet puede analizar 1000 estructuras de proteínas en 1,5 minutos y encontrar los puntos óptimos para que las moléculas de los medicamentos se unan. La investigación fue publicada en el Biología de las comunicaciones diario.

Las proteínas, las moléculas que controlan la mayoría de los procesos biológicos, suelen ser los objetivos comunes de los medicamentos. Para producir un efecto terapéutico, los medicamentos deben unirse a proteínas en sitios específicos llamados sitios de unión. La capacidad de la proteína para unirse a un fármaco está determinada por la secuencia de aminoácidos del sitio y la estructura espacial. Los sitios de unión son verdaderos “puntos calientes” en farmacología. Cuantos más sitios de unión se conozcan, más oportunidades existen para crear fármacos más eficaces y seguros.

El profesor asistente de Skoltech CDISE, Petr Popov y Ph.D. El estudiante Igor Kozlovskii desarrolló un nuevo enfoque computacional para la detección espacio-temporal de sitios de unión en proteínas mediante la aplicación de algoritmos de aprendizaje profundo y visión por computadora a estructuras de proteínas tratadas como imágenes 3D. Con esta nueva tecnología, se pueden detectar incluso sitios esquivos: por ejemplo, los científicos lograron detectar sitios de unión ocultos en estructuras atómicas experimentales o formados por varias moléculas de proteína para el canal iónico, el receptor acoplado a proteína G y el factor de crecimiento epitelial, uno de los objetivos farmacológicos más importantes.

El genoma humano consta de cerca de 20.000 proteínas, y muy pocas de ellas se asocian con un objetivo farmacológico. Nuestro enfoque permite buscar en la proteína sitios de unión para compuestos similares a fármacos, ampliando así la gama de posibles dianas farmacológicas. Además, el descubrimiento inicial de un fármaco basado en la estructura depende en gran medida de la elección de la estructura atómica de la proteína. Trabajar en una estructura con el sitio de unión prohibido para el fármaco o fallando por completo puede fallar. Nuestro método permite analizar una gran cantidad de estructuras en una proteína y encontrar la más adecuada para una etapa específica “.

Petr Popov, líder del estudio y profesor asistente en Skoltech

Según Igor Kozlovskii, el primer autor del artículo, BiteNet supera a sus contrapartes tanto en velocidad como en precisión: “BiteNet se basa en la visión por computadora, tratamos las estructuras de proteínas como imágenes y los sitios de unión como objetos para detectar en estas imágenes. se tarda aproximadamente 0,1 segundos en analizar una estructura espacial y 1,5 minutos en evaluar 1.000 estructuras de proteínas de unos 2.000 átomos “.

Fuente:

Referencia de la revista:

Kozlovskii, I & Popov, P (2020) Identificación espacio-temporal de sitios de unión drogadictos mediante aprendizaje profundo. Biología de las comunicaciones. doi.org/10.1038/s42003-020-01350-0.

.

[ad_2]

Source link