• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  Science >> Scienza >  >> Chimica
    I ricercatori creano una nuova pipeline di intelligenza artificiale per identificare le interazioni molecolari
    Credito:dominio pubblico Pixabay/CC0

    Comprendere come le proteine ​​interagiscono tra loro è fondamentale per sviluppare nuovi trattamenti e comprendere le malattie. Grazie ai progressi computazionali, un team di ricercatori guidati dal professore associato di chimica Alberto Perez ha sviluppato un algoritmo per identificare queste interazioni molecolari.



    Il gruppo di ricerca di Perez comprendeva due studenti laureati dell'UF, Arup Mondal e Bhumika Singh, e una manciata di ricercatori della Rutgers University e del Rensselaer Polytechnic Institute. Il team ha pubblicato i risultati in Angewandte Chemie International Edition .

    Denominato AF-CBA Pipeline, questo strumento innovativo offre precisione e velocità senza precedenti nell'individuazione dei leganti peptidici più forti per una proteina specifica. Lo fa utilizzando l'intelligenza artificiale per simulare le interazioni molecolari, selezionando migliaia di molecole candidate per identificare la molecola che interagisce meglio con la proteina di interesse.

    L'approccio basato sull'intelligenza artificiale consente alla pipeline di eseguire queste azioni in una frazione del tempo necessario agli esseri umani o agli approcci tradizionali basati sulla fisica per svolgere lo stesso compito.

    "Pensalo come un negozio di alimentari", ha spiegato Perez. "Quando vuoi acquistare il miglior frutto possibile, devi confrontare dimensioni e aspetto. Ci sono troppi frutti per provarli tutti, ovviamente, quindi ne confronti alcuni prima di fare una selezione. Questo metodo di intelligenza artificiale, tuttavia, non solo può provali tutti, ma puoi anche scegliere in modo affidabile il migliore."

    In genere, le proteine ​​di interesse sono quelle che causano i maggiori danni al nostro corpo quando si comportano male. Scoprendo quali molecole interagiscono con queste proteine ​​problematiche, il progetto apre strade per terapie mirate per combattere disturbi come l'infiammazione, la disregolazione immunitaria e il cancro.

    "Conoscere la struttura del legante peptidico più potente ci aiuta nella progettazione razionale di nuove terapie farmacologiche", ha affermato Perez.

    La natura innovativa del progetto è rafforzata dal fatto che si basa su una tecnologia preesistente:un programma chiamato AlphaFold. Sviluppato da Google Deepmind, AlphaFold utilizza il deep learning per prevedere le strutture delle proteine. Questa dipendenza da una tecnologia familiare sarà un vantaggio per l'accessibilità del gasdotto ai ricercatori e contribuirà a garantirne l'adozione futura.

    Andando avanti, Perez e il suo team mirano ad espandere la loro pipeline per ottenere ulteriori informazioni biologiche e inibire gli agenti patogeni. Hanno due virus nel mirino:il virus della leucemia murina e il virus del sarcoma di Kaposi. Entrambi i virus possono causare seri problemi di salute, soprattutto tumori, e interagire con proteine ​​ancora sconosciute.

    "Vogliamo progettare nuove librerie di peptidi", ha detto Perez. "AF-CBA ci consentirà di identificare i peptidi progettati che si legano più forte dei peptidi virali."

    Ulteriori informazioni: Arup Mondal et al, A Computational Pipeline for Accurate Prioritization of Protein-Protein Binding Candidates in High-Throughput Protein Libraries, Angewandte Chemie International Edition (2024). DOI:10.1002/anie.202405767

    Informazioni sul giornale: Edizione Internazionale Angewandte Chemie

    Fornito dall'Università della Florida




    © Scienza https://it.scienceaq.com