Машинное обучение помогает прогнозировать функции белков

Машинное обучение помогает прогнозировать функции белков

Ученые используют машинное обучение, чтобы создать простую прогностическую модель белков и определить их функции. Они применяют эволюционные данные о родственных белках и экспериментально изучают их функции, чтобы предсказать, как модифицировать тот или иной белок, передает EurekAlert! со ссылкой на Министерство энергетики США. Результаты работы опубликованы в журнале Nature Biotechnology. 

Белки являются неотъемлемыми компонентами всех живых организмов. Они состоят из последовательности строительных блоков – аминокислот. Эта последовательность определяет их функцию: одни определяют структуру клеток, другие регулируют метаболизм. Ученые могут изменить последовательность белка и экспериментально проверить, влияет ли это изменение на его функцию и каким образом. Однако существует слишком много возможных изменений аминокислотной последовательности – и проверить их все в лаборатории невозможно. Вместо этого исследователи строят очень сложные вычислительные модели, которые предсказывают, какая функция проявится у белка с той или иной последовательностью. 

В этой работе ученые объединили регрессионный анализ и эволюционные данные для машинного обучения – и построили более простую прогностическую модель. Регрессионный анализ связывает заданную аминокислотную последовательность с функциональным свойством белка, который был проверен экспериментально. Чтобы увеличить объем данных, исследователи включили эволюционно родственные белки, так как они могут обладать теми же свойствами, что и интересующий белок.

Новый подход позволит ученым легко перепроектировать белки для широкого спектра применений. Например, они смогут создавать новые ферменты для преобразования растительного вещества в биотопливо или биопродукты или для создания новых биоматериалов. Информация взята с портала «Научная Россия» (https://scientificrussia.ru/)

Читайте также

Оставить комментарий

Вы можете использовать HTML тэги: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>