Ученые разработали новый алгоритм, соединяющий в себе модель для поиска взаимосвязи и графовую нейронную сеть. Этот метод позволяет создавать совершенно новые белки, а также другие материалы, несуществующие в природе. Исследование опубликовано в Journal of Applied Physics.
Белки необходимы для жизни клеток — они выполняют сложные задачи и катализируют химические реакции, используя уникальное расположение простых строительных частей, из которых они состоят. Ученые и инженеры долгое время стремились использовать это свойство для создания искусственных белков, которые могут выполнять новые задачи, такие как лечение болезней, захват углерода или сбор энергии. Однако многие процессы, предназначенные для создания таких белков, были медленны и не эффективны. Это связано со сложной структурой, способностью выполнять несколько задач и склонностью изменять форму при растворении. С помощью компьютерного моделирования ученые получили возможность перевести межмолекулярные взаимодействия, управляющие поведением белков, в рабочие структуры, на которых может обучаться нейронная сеть.
Американские ученые преобразовали основные принципы функционирования и строения белков в компьютерные символы, которые использует нейронная сеть. Сначала исследователи обучили свою модель прогнозировать последовательность, растворимость и строительные блоки аминокислот различных белков на основе их функций. Затем исследователи научили нейросеть проявлять творческий подход и генерировать совершенно новые структуры после получения исходных параметров для функции нового белка.
Этот метод позволил ученым создать твердые версии антимикробных белков, которые раньше можно было получить только в растворе. В другом примере команда взяла природный протеин шелка и придала ему форму спирали для большей эластичности, а также складчатую структуру для дополнительной прочности. В зависимости от назначения и количества задач можно включить в запрос больше входных данных, влияющих на функциональные свойства белка.
«Большим сюрпризом стало то, что модель эффективно работала, хотя она была разработана для решения общих задач. Вероятно, это связано с тем, что модель учится на больших объемах данных, решая разнообразные задачи. Вместо создания специализированных моделей для узконаправленных задач исследователи теперь могут найти широкое применение таких многозадачных и мультимодальных нейронных сетей. Хотя в настоящее время мы сосредоточены на белках, этот метод имеет огромный потенциал в материаловедении», — рассказал ведущий исследователь Маркус Бюлер из Массачусетского технологического института.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
