Des scientifiques du groupe iMolecule du Skoltech Center for Computational and Data-Intensive Science and Engineering (CDISE) ont développé BiteNet, un algorithme d'apprentissage automatique (ML) qui aide à trouver des sites de liaison aux médicaments, c'est-à-dire des cibles médicamenteuses potentielles, dans les protéines. BiteNet peut analyser 1000 structures protéiques en 1,5 minute et trouver les endroits optimaux pour que les molécules de médicaments se fixent. La recherche a été publiée dans le Biologie des communications journal.
Les protéines, les molécules qui contrôlent la plupart des processus biologiques, sont généralement les cibles courantes des médicaments. Pour produire un effet thérapeutique, les médicaments doivent se fixer aux protéines à des sites spécifiques appelés sites de liaison. La capacité de la protéine à se lier à un médicament est déterminée par la séquence d'acides aminés et la structure spatiale du site. Les sites de liaison sont de véritables «points chauds» en pharmacologie. Plus les sites de liaison sont connus, plus il y a d'opportunités pour créer des médicaments plus efficaces et plus sûrs.
Skoltech CDISE professeur adjoint Petr Popov et Ph.D. L'étudiant Igor Kozlovskii a développé une nouvelle approche informatique pour la détection spatio-temporelle des sites de liaison dans les protéines en appliquant des algorithmes d'apprentissage en profondeur et la vision par ordinateur à des structures protéiques traitées comme des images 3D. Avec cette nouvelle technologie, on peut détecter même des sites insaisissables: par exemple, les scientifiques ont réussi à détecter des sites de liaison dissimulés dans des structures atomiques expérimentales ou formés par plusieurs molécules de protéines pour le canal ionique, le récepteur couplé aux protéines G et le facteur de croissance épithélial, un des cibles médicamenteuses les plus importantes.
Le génome humain est constitué de près de 20 000 protéines, et très peu d'entre elles sont associées à une cible pharmacologique. Notre approche permet de rechercher dans la protéine des sites de liaison pour des composés de type médicamenteux, élargissant ainsi l'éventail des cibles pharmacologiques possibles. En outre, la découverte initiale de médicaments basée sur la structure dépend fortement du choix de la structure atomique de la protéine. Travailler sur une structure avec le site de liaison interdit pour le médicament ou totalement absent peut échouer. Notre méthode permet d'analyser un grand nombre de structures dans une protéine et de trouver celle qui convient le mieux à une étape spécifique. «
Petr Popov, responsable de l'étude et professeur assistant à Skoltech
Selon Igor Kozlovskii, le premier auteur de l'article, BiteNet surpasse ses homologues à la fois en vitesse et en précision: «BiteNet est basé sur la vision par ordinateur, nous traitons les structures protéiques comme des images et les sites de liaison comme des objets à détecter sur ces images. prend environ 0,1 seconde pour analyser une structure spatiale et 1,5 minute pour évaluer 1 000 structures protéiques d'environ 2 000 atomes. «
La source:
Institut des sciences et technologies de Skolkovo (Skoltech)
Référence du journal:
Kozlovskii, I & Popov, P (2020) Identification spatio-temporelle des sites de liaison médicamenteux à l'aide de l'apprentissage en profondeur. Biologie des communications. doi.org/10.1038/s42003-020-01350-0.
