Neue Algorithmen können die Entdeckungen von Medikamenten revolutionieren - und unser Verständnis von Leben

Anonim

Ein neuer Satz von Algorithmen des maschinellen Lernens, die von U of T-Forschern entwickelt wurden und die 3D-Strukturen von winzigen Proteinmolekülen erzeugen können, könnte die Entwicklung von Arzneimitteltherapien für eine Reihe von Krankheiten von Alzheimer bis Krebs revolutionieren.

"Die Entwicklung erfolgreicher Medikamente ist wie das Lösen eines Puzzles", sagt U von T Doktorand Ali Punjani, der an der Entwicklung der Algorithmen mitgewirkt hat.

"Ohne die dreidimensionale Form eines Proteins zu kennen, wäre es so, als würde man versuchen, dieses Rätsel mit verbundenen Augen zu lösen."

Die Fähigkeit, die 3D-Atomstruktur von Proteinmolekülen zu bestimmen, ist entscheidend, um zu verstehen, wie sie funktionieren und wie sie auf Arzneimitteltherapien reagieren werden, bemerkt Punjani.

Drogen wirken, indem sie an ein spezifisches Proteinmolekül binden und seine 3D-Form verändern, indem sie die Art verändern, wie es einmal im Körper funktioniert. Das ideale Medikament ist in einer Form entworfen, die nur an ein spezifisches Protein oder Proteine ​​bindet, die an einer Krankheit beteiligt sind, während Nebenwirkungen eliminiert werden, die auftreten, wenn Medikamente an andere Proteine ​​im Körper binden.

Dieser neue Satz von Algorithmen rekonstruiert 3D-Strukturen von Proteinmolekülen mit mikroskopischen Bildern. Da Proteine ​​winzig sind - sogar kleiner als eine Wellenlänge des Lichts - können sie nicht direkt ohne Anwendung hochentwickelter Techniken wie der Elektronen-Kryomikroskopie (Kryo-EM) gesehen werden. Diese neue Methode revolutioniert die Art und Weise, wie Wissenschaftler 3D-Proteinstrukturen aufspüren können. Dies ermöglicht die Untersuchung vieler Proteine, die in der Vergangenheit einfach nicht untersucht werden konnten.

Cryo-EM ist einzigartig, weil es Hochleistungs-Mikroskope verwendet, um Zehntausende niedrig aufgelöster Bilder einer gefrorenen Proteinprobe von verschiedenen Positionen aufzunehmen. Das Berechnungsproblem besteht dann darin, die korrekte hochauflösende 3D-Struktur aus den 2D-Bildern mit niedriger Auflösung zusammenzusetzen.

"Unser Ansatz löst einige der Hauptprobleme in Bezug auf Geschwindigkeit und Anzahl der Strukturen, die Sie bestimmen können", sagt Professor David Fleet, Vorsitzender der Fakultät für Computer- und mathematische Wissenschaften am Doktorat von U of T Scarborough und Punjani.

Die Algorithmen, die von Fleets ehemaligem Postdoctoral Fellow Marcus Brubaker, jetzt Assistenzprofessor an der Universität York, mitentwickelt wurden, könnten wesentlich zur Entwicklung neuer Medikamente beitragen, da sie schneller und effizienter zum richtigen Protein gelangen Struktur.

"Bestehende Techniken benötigen mehrere Tage oder sogar Wochen, um eine 3D-Struktur auf einem Cluster von Computern zu erzeugen", sagt Brubaker. "Unser Ansatz kann es in wenigen Minuten auf einem einzigen Computer ermöglichen."

Punjani fügt hinzu, dass existierende Techniken oft falsche Strukturen erzeugen, es sei denn, der Benutzer liefert eine genaue Schätzung des untersuchten Moleküls. Neu an ihrem Ansatz ist, dass sie kein Vorwissen über das untersuchte Proteinmolekül benötigen.

"Wir hoffen, dass dies zu bahnbrechenden Entdeckungen in der Strukturbiologie führen wird", sagt Punjani. "Das ultimative Ziel ist, dass es direkt zu neuen Medikamentenkandidaten für Krankheiten führt und ein viel tieferes Verständnis davon, wie das Leben auf atomarer Ebene funktioniert."

Die Forschung, die eine Zusammenarbeit mit U of T Professor John Rubinstein, einem kanadischen Forschungslehrstuhl für Elektronen-Kryomikroskopie, beinhaltete, wurde vom Kanadischen Forschungsrat für Naturwissenschaften und Ingenieurwesen (NSERC) finanziert. Es wurde auch in der aktuellen Ausgabe der Zeitschrift Nature Methods veröffentlicht .

menu
menu