Výzkumníci používají hluboké učení k identifikaci nových léků

Výzkumníci z Gwangju Institute of Science and Technology v Koreji vyvinuli nový model hlubokého učení, který může předpovídat vazbu mezi lékem a cílovou molekulou. Tým, který vedl associate professor Hojung Nam a PhD student Ingoo Lee, nazval nový model „Highlights on Target Sequences“ (HoTS).

Výzkum byl zveřejněn v Journal of Cheminformatics.

Proces objevování léků

Léky jsou testovány v procesu objevování léků pro jejich schopnost vázat se nebo interagovat s cílovými molekulami v těle. Modely hlubokého učení se ukázaly jako užitečné při zlepšování tohoto procesu, ale jejich předpovědi ne vždy prokazují interpretovatelnost. Proto tým vytvořil HoTS, který dělá lepší předpovědi interakcí mezi léky a cílovými molekulami a je také interpretovatelný.

Je důležité určit, jak dobře lék váže na svou cílovou molekulu, a to obvykle zahrnuje zarovnání 3D struktury léku a jeho cílové proteinové molekuly v různých konfiguracích. Tento proces se nazývá „docking“. Následně jsou objeveny preferované vazebné místa opakovaným prováděním docking simulací s více lékovými kandidáty pro cílovou molekulu. Modely hlubokého učení se používají k provedení těchto simulací.

Model HoTS

Nově vyvinutý model může také předpovídat interakce mezi léky a cílovými molekulami (DTI) bez potřeby simulací nebo 3D struktur.

„Nejprve explicitně učíme model, které části proteinové sekvence budou interagovat s lékem pomocí předchozích znalostí,“ vysvětluje profesor Nam. „Trénovaný model se poté používá k rozpoznání a předpovědi interakcí mezi léky a cílovými proteiny, což vede k lepšímu předpovědnímu výkonu. Pomocí toho jsme vytvořili model, který může předpovídat vazebná místa cílových proteinů a jejich interakce s léky bez 3D-komplexu.“

Model nemusí zpracovávat celou délku proteinové sekvence. Místo toho může dělat předpovědi na základě částí proteinu, které jsou relevantní pro interakci DTI.

„Učili jsme model, kde se zaměřit, aby mohl pochopit důležité subregiony proteinů při předpovídání jejich interakce s kandidátními léky,“ pokračuje profesor Nam.

To umožňuje modelu předpovídat DTI přesněji než stávající modely.

Tyto nové poznatky poskytnou dobrý výchozí bod pro budoucí docking simulace k předpovědi nových lékových kandidátů.

„Tento model použitý v naší studii by mohl učinit proces objevování léků transparentnějším, stejně jako nízko-rizikovým a nízkonákladovým. To by umožnilo výzkumníkům objevit více léků za stejnou částku rozpočtu a času,“ uzavírá profesor Nam.