Одним из результатов последних пятидесяти лет изучения белков стало появление программы AlphaFold, предсказывающей структуру белка по аминокислотному коду. Эта и ей подобные модели ИИ широко используются учеными в качестве инструмента исследования. Однако в белках есть участки аминокислот, которые не сворачиваются в фиксированные структуры, а помогают белкам проникать в определенные отсеки, или компарменты клеток.

Команда ученых из Массачусетского технологического института занялись изучением вопроса, можно ли использовать код этого участка для предсказания локализации белка. И сумели разработать модель наподобие AlphaFold, которая дает ответ на этот вопрос, сообщает MIT News.

Они показали, что ProtGPS способна определить, в каком из 12-ти известных типов компартментов локализован белок и не изменит ли его локализацию какая-то связанная с болезнью мутация. Кроме того, они разработали генеративный алгоритм, который может проектировать новые белки, локализованные в определенных компартментах.

«Теперь, когда мы знаем о существовании белкового кода локализации и о способности моделей машинного обучения извлекать информацию из этого кода, и даже при помощи этой логики создавать функциональные белки, открывается возможность появления многочисленных исследований и прикладных разработок на эту тему», — сказал Генри Килгор, один из команды биологов, работавших над проектом.

Нобелевская премия по химии 2024 года была присуждена ученым, которые сделали значительный прорыв в понимании структуры и функций белков. Лауреатами стали Дэвид Бейкер, профессор из США, и исследователи компании Google DeepMind Демис Хассабис и Джон Джампер. Их открытия касаются как создания новых типов белков, так и решения многолетней проблемы предсказания их сложной структуры.