Už žádné lepení: Nový algoritmus pomáhá vědcům omezit agregaci proteinů

Proteiny jsou tichými motory moderního života. Pomáhají vyrábět život zachraňující léky, rozkládat látky znečišťující životní prostředí, zlepšovat naše potraviny a pohánět průmyslové procesy. Má to však háček: mnoho proteinů má tendenci slepovat se dohromady a vytvářet nefunkční shluky, které jsou neaktivní. Toto chování proteinů dosud brzdilo vědecký pokrok.

K překonání této výzvy vyvinuli výzkumníci z Mezinárodního centra klinického výzkumu (ICRC-FNUSA) a Masarykovy univerzity (MU) ve spolupráci s IT4Innovations národním superpočítačovým centrem, které je součástí VŠB – Technické univerzity Ostrava algoritmus založený na strojovém učení pro rychlou a spolehlivou detekci „lepivých“ oblastí, které způsobují agregaci proteinů. Jejich identifikace umožňuje vědcům navrhnout změny v těchto oblastech tak, aby zabránili slepování proteinů a umožnili jejich efektivnější využití v reálných aplikacích. K demonstraci tohoto přístupu vědci z Loschmidtových laboratoří výrazně zlepšili kvalitu produkce a výtěžnost enzymu, který rozkládá nebezpečné chemikálie znečišťující životní prostředí. Tato metoda byla popsána v nedávném článku publikovaném v předním vědeckém časopise Communications Chemistry s názvem Experimentally validated deep learning control of protein aggregations.

Výzkumníci z ICRC-FNUSA, MU a IT4Innovations navíc pomocí svého softwaru identifikovali a experimentálně ověřili chyby v často používaných databázích, které slouží k trénování podobných algoritmů. „Počítačové algoritmy stále více urychlují výzkum. Jejich efektivita však závisí na kvalitě dat použitých k jejich trénování. Naše studie významně přispívá ke zlepšení spolehlivosti těchto datových sad a tím i přesnosti budoucích prediktivních nástrojů,“ říká Antonín Kunka, jeden z autorů, který se věnoval experimentální validaci softwaru.

„Jsme rádi, že jsme součástí týmu, který vyvinul a experimentálně ověřil prediktor AggreProt založený na hlubokých neuronových sítích, který může výzkumníkům pomoci identifikovat oblasti v proteinech náchylné k agregaci a navrhovat mutace potlačující agregaci proteinů,“ uvedl Jan Martinovič z IT4Innovations. „Studie prokázala, že tento přístup může výrazně zlepšit rozpustnost proteinů a významně zvýšit výtěžnost produkce, čímž otevírá nové možnosti pro biotechnologie, environmentální aplikace a medicínu. Projekt rovněž odhalil nepřesnosti ve stávajících databázích agregace, což přispělo k vývoji spolehlivějších prediktivních metod založených na umělé inteligenci v oblasti proteinové vědy.“

Tento obrázek znázorňuje nástroj AggreProt pro analýzu agregace proteinů a ukazuje, jak určité sekvence nebo oblasti proteinu souvisejí se sklonem k agregaci a expozici vůči rozpouštědlu.

„Experimentální validace ukazuje vysokou přesnost našeho nástroje AggreProt při identifikaci oblastí proteinů náchylných k agregaci,“ dodává Joan Planas-Iglesias z Loschmidtových laboratoří MU a ICRC-FNUSA, který vedl vývoj softwarového algoritmu a koordinoval spolupráci mezi biology a informatiky. Práce vznikla také za podpory centra CLARA, jehož je ICRC součástí. „AggreProt je nyní dostupný širší vědecké komunitě a umožňuje výzkumníkům zlepšit produkci proteinů důležitých pro biotechnologie, environmentální aplikace a medicínu.“

Spolupráce výpočetních a experimentálních biologů z MU, ICRC-FNUSA a IT4Innovations zdůrazňuje význam meziinstitucionálního a mezioborového partnerství pro uskutečnění špičkového světového výzkumu.

Přístupy:

  • Publikace:

https://www.nature.com/articles/s42004-026-02007-5

https://academic.oup.com/nar/article/52/W1/W159/7683054

 

Kontakty:

  • Antonín Kunka, Ph.D., výzkumník v Protein Biophysics Group, Department of Biotechnology and Biomedicine, Technical University of Denmark. antkun@dtu.dk
  • Joan Planas-Iglesias, výzkumník na Přírodovědecké fakultě Masarykovy univerzity a v Mezinárodním centru klinického výzkumu Nemocnice u sv. Anny v Brně a Lékařské fakulty Masarykovy univerzity – joan.planas@mail.muni.cz
  • Jan Martinovič, Ph.D., vedoucí Laboratoře pro náročné datové analýzy a simulace, IT4Innovations národní superpočítačové centrum, VŠB – Technická univerzita Ostrava – jan.martinovic@vsb.cz

Tato práce byla podpořena projektem CLARA – program Evropské Unie Horizont Evropa, číslo grantu 101136607. Tento projekt je spolufinancován Evropskou unií v rámci projektu Centrum pro umělou inteligenci a kvantové výpočty v systémovém výzkumu mozku (CZ.02.01.01/00/23_029/0008437) v rámci OP JAK.