ИИ помог определить ключевые аминокислоты для дизайна белков

Исследователи из Технологического университета Граца разработали новый метод анализа белков, который сочетает машинное обучение с эволюционными данными. Подход Function-Structure-Adaptability (FSA) сравнивает искусственные белковые последовательности, сгенерированные ИИ, с природными аналогами, что позволяет с высокой точностью определять аминокислоты, ответственные за функцию и стабильность белка.

Команда под руководством Андреаса Винклера и Оливера Эдера использовала модель глубокого обучения ProteinMPNN, которая создаёт стабильные белковые последовательности. Сравнивая их с естественными белками, учёные смогли классифицировать аминокислоты на три категории: «функциональные», «структурные» и «адаптируемые».

«Сочетание миллионов лет эволюционной истории и новейших технологий значительно упрощает анализ и понимание белков», — поясняет Винклер.

Метод был успешно протестирован на семействе белков-фоторецепторов бактериофитохромов. Лабораторные эксперименты подтвердили, что целенаправленное изменение определённых аминокислот позволяет влиять на функциональные свойства белков, например, на световосприятие.

Новый подход сокращает время предварительного анализа с месяцев до одной недели и уменьшает объём лабораторных работ. Технология может применяться для разработки лекарств, улучшения промышленных ферментов и изучения механизмов устойчивости к антибиотикам.

ИИ: В 2025 году такие исследования демонстрируют растущую интеграцию искусственного интеллекта в биотехнологии, открывая новые возможности для целенаправленного дизайна белков с заданными свойствами.