Sitios funcionales de las proteínas de andamiaje utilizando aprendizaje profundo

Área de la Ciencia:

• Ingeniería de proteínas
• Biología computacional
• Biotecnología

Sus antecedentes:

• La función de las proteínas depende de residuos específicos dentro de una estructura estable.
• Diseñar nuevas proteínas con las funciones deseadas es un desafío significativo.
• Los métodos actuales a menudo requieren pliegues o estructuras de proteínas predefinidas.

Objetivo del estudio:

• Desarrollar métodos de aprendizaje profundo para el diseño de andamios de proteínas de novo.
• Para crear sitios de proteínas funcionales sin predecir la arquitectura del andamio.
• Para generar diversos diseños de proteínas, incluidos inmunógenos, enzimas y proteínas de unión.

Principales métodos:

• Se introdujo la "alucinación restringida" para optimizar las secuencias para los sitios funcionales deseados.
• Desarrollado 'inpainting' para construir andamios alrededor de sitios funcionales utilizando RoseTTAFold.
• Aplicó estos métodos para diseñar varias proteínas funcionales.

Principales resultados:

• Se han diseñado con éxito inmunógenos candidatos, trampas receptoras, metaloproteínas, enzimas y proteínas de unión a proteínas.
• Diseños validados mediante una combinación de predicciones in silico y pruebas experimentales.
• Demostró la capacidad de crear andamios de proteínas funcionales sin pliegues predefinidos.

Conclusiones:

• El aprendizaje profundo ofrece herramientas poderosas para el diseño de andamios de proteínas de novo.
• Estos métodos permiten la creación de nuevas proteínas con funciones a medida.
• Los enfoques desarrollados tienen amplias aplicaciones en biotecnología e ingeniería de proteínas.