Forskare vid University of Toronto's Donelly Centre har utvecklat en banbrytande AI-modell kallad PepFlow som kan f\u00f6ruts\u00e4ga de olika former som peptider antar med en aldrig tidigare sk\u00e5dad noggrannhet.\u00a0<\/b><\/p>\n
Peptider \u00e4r sm\u00e5 molekyler som best\u00e5r av aminosyror, byggstenarna i proteiner.\u00a0<\/span><\/p>\n Peptider liknar proteiner, men de \u00e4r mycket mindre och mer flexibla, vilket g\u00f6r att de kan vikas till en m\u00e4ngd olika former.\u00a0<\/span><\/p>\n En peptids specifika form \u00e4r avg\u00f6rande eftersom den best\u00e4mmer hur den interagerar med andra molekyler i kroppen, vilket i sin tur dikterar dess biologiska funktion.<\/span><\/p>\n Att f\u00f6ruts\u00e4ga proteiners och peptiders strukturer har l\u00e4nge varit en utmaning inom biologin. P\u00e5 grund av den komplexa matematik som \u00e4r inblandad \u00e4r det ett utm\u00e4rkt problem f\u00f6r maskininl\u00e4rning.\u00a0<\/span><\/p>\n Under de senaste \u00e5ren har AI-modeller som <\/span>AlphaFold 2 och 3<\/span><\/a>som utvecklats av Googles DeepMind, har revolutionerat f\u00f6ruts\u00e4gelsen av proteinstrukturer.\u00a0<\/span><\/p>\n AlphaFold2 anv\u00e4nder djupinl\u00e4rning f\u00f6r att f\u00f6ruts\u00e4ga ett proteins mest sannolika 3D-struktur baserat p\u00e5 dess aminosyrasekvens. Men w<\/span>edan AlphaFold2 har varit otroligt framg\u00e5ngsrikt f\u00f6r proteiner har det sina begr\u00e4nsningar n\u00e4r det g\u00e4ller mycket flexibla molekyler som peptider.<\/span><\/p>\n \"Vi har inte kunnat modellera hela spektrumet av konformationer f\u00f6r peptider f\u00f6rr\u00e4n nu,\" <\/span>sade Osama Abdin<\/span><\/a>, studiens f\u00f6rstef\u00f6rfattare.<\/span><\/p>\n Pepflow, dokumenterat i ett studie publicerad<\/a> i Nature Machine Intelligence, \"utnyttjar djupinl\u00e4rning f\u00f6r att f\u00e5nga de exakta och exakta konformationerna hos en peptid inom n\u00e5gra minuter\".<\/span><\/p>\n PepFlow anv\u00e4nder AI-modeller inspirerade av Boltzmann generators.<\/span> Dessa modeller l\u00e4r sig de grundl\u00e4ggande fysiska principer som styr hur en peptids kemiska struktur best\u00e4mmer dess spektrum av m\u00f6jliga former.\u00a0<\/span><\/p>\n Detta g\u00f6r att PepFlow med stor precision kan f\u00f6ruts\u00e4ga strukturen hos peptider med ovanliga egenskaper, t.ex. cirkul\u00e4ra peptider som bildas genom makrocyklisering. Makrocykliska peptider \u00e4r s\u00e4rskilt intressanta f\u00f6r l\u00e4kemedelsutveckling p\u00e5 grund av deras unika bindningsegenskaper.<\/span><\/p>\n Det som skiljer PepFlow fr\u00e5n modeller som AlphaFold2 \u00e4r dess f\u00f6rm\u00e5ga att inte bara f\u00f6ruts\u00e4ga en struktur, utan hela \"energilandskapet\" f\u00f6r en peptid.\u00a0<\/span><\/p>\n Energilandskapet representerar alla m\u00f6jliga former som en peptid kan anta och hur den \u00f6verg\u00e5r mellan dessa olika konformationer.<\/span><\/p>\n Att f\u00e5nga upp denna strukturella komplexitet \u00e4r nyckeln till u<\/span>F\u00f6rst\u00e5else f\u00f6r hur peptider fungerar i olika biologiska sammanhang.<\/span><\/p>\n Forskare vid @UofT<\/a> har utvecklat en #Djupt l\u00e4rande<\/a> modell, kallad PepFlow, som kan f\u00f6ruts\u00e4ga alla m\u00f6jliga former av peptider.<\/p>\n PepFlow kan bidra till l\u00e4kemedelsutveckling genom design av peptider som fungerar som bindemedel. 1TP5L\u00e4kemedelsuppt\u00e4ckt<\/a><\/p>\n L\u00e4s mer \ud83d\udc49 https:\/\/t.co\/eAKOg5e7Cz<\/a> pic.twitter.com\/mYP9YeiCOe<\/a><\/p>\n - Donnelly Centre (@DonnellyCentre) 27 juni 2024<\/a><\/p><\/blockquote>\n\n