Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

La technique d'inauguration a pu aider à prévoir les interactions d'une protéine avec d'autres protéines

Les protéines sont les synthons de durée et jouent une fonction clé dans tous les procédés biologiques. La compréhension comment elles agissent l'un sur l'autre avec leur environnement est pour cette raison indispensable à développer la thérapeutique efficace et la fondation pour concevoir les cellules artificielles.

Les chercheurs au laboratoire du modèle de protéine et de l'Immunoengineering (LPDI), la partie de l'institut d'EPFL de la bio-ingénierie à l'école du bureau d'études, fonctionnement avec des collaborateurs à USI-Lugano, université impériale et, le graphique de Twitter apprenant la division de la recherche ont développé une technique apprendre de machine d'inauguration pour prévoir ces interactions et décrire l'activité biochimique d'une protéine basée sur seule l'apparence extérieure. En plus d'approfondir notre compréhension de la façon dont les protéines fonctionnent, la méthode - connue sous le nom de MaSIF - pourrait également supporter le développement des composantes à base de protéines pour les cellules artificielles de demain. L'équipe publiée ses découvertes dans les méthodes de nature de tourillon.

recherche caractéristique Caractéristique

Les chercheurs ont pris un vaste ensemble de caractéristiques de surface de protéine et ont introduit les propriétés chimiques et géométriques dans un algorithme d'apprentissage automatique, le formant pour apparier ces propriétés avec les configurations de comportement particulières et l'activité biochimique. Ils avaient l'habitude alors les caractéristiques restantes pour vérifier l'algorithme. « En balayant la surface d'une protéine, notre méthode peut définir une empreinte digital, qui peut alors être comparée en travers des protéines, » dit Pablo Gainza, le premier auteur de l'étude.

L'équipe a constaté que les protéines exécutant les interactions assimilées partagent les « empreintes digital courantes. »

L'algorithme peut analyser des milliards de surfaces de protéine par seconde. Notre recherche a des implications significatives pour le modèle artificiel de protéine, nous permettant de programmer une protéine pour se comporter une certaine voie simplement en modifiant son produit chimique extérieur et propriétés géométriques.

Directeur Bruno Correia de LPDI

La méthode, publiée dans le format d'open-source, a pu également être employée pour analyser la structure extérieure d'autres types de molécules.

Source:
Journal reference:

Gainza, P. et al. (2019) Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning. Nature Methods. doi.org/10.1038/s41592-019-0666-6