KAUST科學(xué)家開發(fā)的一種新的計(jì)算工具使用人工智能(AI)來推斷蛋白質(zhì)的RNA結(jié)合特性。該軟件稱為NucleicNet，其性能優(yōu)于同類的其他算法模型，并提供了有助于藥物設(shè)計(jì)和開發(fā)的其他生物學(xué)見解。

“ RNA結(jié)合是許多蛋白質(zhì)的基本特征，” KAUST的前研究助理，該研究的第一作者Jordy Homing Lam說。“我們基于結(jié)構(gòu)的計(jì)算框架可以揭示這些蛋白質(zhì)的詳細(xì)RNA結(jié)合特性，這對(duì)于表征許多疾病的病理學(xué)至關(guān)重要。”

蛋白質(zhì)通常與RNA分子接觸，以控制基因轉(zhuǎn)錄物的加工和運(yùn)輸—當(dāng)這些相互作用出錯(cuò)時(shí)，細(xì)胞內(nèi)的信息流將被破壞，并可能引起疾病，包括癌癥和神經(jīng)退行性疾病。

為了更好地理解RNA分子的哪些部分傾向于結(jié)合在蛋白質(zhì)的不同表面上，Lam和他的同事們轉(zhuǎn)向了AI的深度學(xué)習(xí)。在KAUST的實(shí)驗(yàn)室工作，高林教授在Lam博士和計(jì)算生物科學(xué)研究中心工作。學(xué)生Yu Li教授NucleicNet自動(dòng)學(xué)習(xí)了支持蛋白質(zhì)和RNA之間相互作用的結(jié)構(gòu)特征。

他們使用來自公共數(shù)據(jù)庫中的158種不同蛋白質(zhì)-RNA復(fù)合物的三維結(jié)構(gòu)數(shù)據(jù)對(duì)算法進(jìn)行了訓(xùn)練。將NucleicNet與其他預(yù)測(cè)模型進(jìn)行對(duì)比(所有預(yù)測(cè)模型都依賴于序列輸入而不是結(jié)構(gòu)信息)，KAUST團(tuán)隊(duì)表明該工具可以最準(zhǔn)確地檢測(cè)蛋白質(zhì)表面上的哪些位點(diǎn)與RNA分子結(jié)合。

而且，與任何其他模型不同，NucleicNet可以預(yù)測(cè)RNA分子的哪些方面在進(jìn)行結(jié)合，無論是糖磷酸骨架的一部分還是遺傳字母的四個(gè)字母之一。

Lam，Li和Gao與中美研究人員合作，對(duì)多種RNA結(jié)合蛋白(包括與牙齦癌和肌萎縮性側(cè)索硬化有關(guān)的蛋白)的算法進(jìn)行了驗(yàn)證，以證明NucleicNet推導(dǎo)的相互作用密切匹配實(shí)驗(yàn)技術(shù)揭示的那些。他們?cè)凇蹲匀煌ㄓ崱分袌?bào)道了這一發(fā)現(xiàn)。

Lam說：“其他計(jì)算框架很少考慮基于結(jié)構(gòu)的功能。”“我們利用深度學(xué)習(xí)的力量來推斷那些微妙的相互作用。”