Ученые из университета Манитобы (Канада) разработали глубокую нейронную сеть GraphBAN для прогнозирования взаимодействий между белками и соединениями. Этот индуктивный графовый подход направлен на выявление новых кандидатов для лекарственных средств на доклиническом этапе, что может значительно ускорить и сделать более доступным процесс разработки новых препаратов. Работа опубликована в журнале Nature Communications.
«Одним из эффективных методов в разработке лекарств является выявление белков, играющих ключевую роль в патогенезе заболевания или поддерживающих жизнедеятельность патогенных микроорганизмов. Если мы сможем нацелить именно эти белки с помощью подходящих малых молекул, можно будет нарушить развитие болезни», — отмечает один из авторов работы Хамид Хадипур.
GraphBAN прогнозирует, сможет ли маленькая молекула связаться с определенным белком, а также указывает, какие участки белка участвуют во взаимодействии. Благодаря визуальному тестированию с использованием искусственного интеллекта, модель значительно сокращает время, затрачиваемое на поиск перспективных кандидатов для лекарств, будь то антибиотики или препараты для лечения рака. Это позволяет исследователям сконцентрировать усилия на наиболее перспективных вариантах и существенно снизить затраты на разработку.
Создание GraphBAN стало возможным благодаря междисциплинарному сотрудничеству ученых в области химии, биохимии, микробиологии и информатики. Исследователи отмечают, что в будущем мы увидим все больше предсказаний, сделанных с помощью ИИ, которые затем будут подтверждаться экспериментально. По ее мнению, искусственный интеллект не заменит лабораторные исследования, а лишь дополнит их.
Этот прорыв демонстрирует, как синтез компьютерных технологий и биомедицинских исследований способен преобразовать процесс создания лекарств, облегчая борьбу с заболеваниями будущего. Недавно мы рассказали о том, почему не всем помогают лекарства от СДВГ.
