Алгоритм Equidock может определить, как именно антитела будут прикрепляться к вирусу, в десятки раз быстрее, чем существующие методы.
Исследователи Массачусетского технологического института (MIT) создали модель машинного обучения, которая показывает идеальную связь между антителами, атакующими вирус. Это поможет при создании эффективных медицинских препаратов.
Антитела, небольшие белки, вырабатываемые иммунной системой, прикрепляются к определённым частям вируса, чтобы нейтрализовать его. Сейчас учёные работают над синтетическими антителами, которые могли бы атаковать SARS-CoV-2 (вирус, вызывающий Covid-19). По замыслу, они должны связываться с шиповидными отростками вируса, чтобы предотвратить его проникновение в клетку человека.
Чтобы разработать успешное синтетическое антитело, исследователи должны точно понять, как оно будет прикрепляться к вирусу: белки могут склеиваться в миллионах комбинаций, поэтому поиск правильного белкового комплекса требует много времени.
Для упрощения этого процесса и была создана модель машинного обучения, которая может предсказывать комплекс, образующийся при соединении двух белков. Модель под названием Equidock берёт трехмерные структуры антител и преобразует их в трехмерные графики, которые могут обрабатываться нейронной сетью.
Машинное обучение очень хорошо фиксирует взаимодействия между различными белками, которые химикам или биологам трудно записать экспериментально. Некоторые из этих взаимодействий очень сложны, и люди не нашли хороших способов их выразить.
Читайте также
