Новый инструмент искусственного интеллекта (ИИ), делающий логические выводы о функциях неизвестных белков, обещает помочь ученым разгадать внутреннюю работу клетки.
Разработанный исследователем биоинформатики из KAUST Максатом Кульмановым и его коллегами, инструмент превосходит существующие аналитические методы прогнозирования функций белков и даже способен анализировать белки, не имеющие четких соответствий в существующих наборах данных.
Модель, получившая название DeepGO-SE, использует преимущества больших языковых моделей, подобных тем, что применяются в генеративных инструментах ИИ, таких как Chat-GPT. Затем она использует логические следствия, чтобы сделать осмысленные выводы о молекулярных функциях на основе общебиологических принципов работы белков.
По сути, это позволяет компьютерам логически обрабатывать результаты, создавая модели части мира — в данном случае, функции белка — и делая вывод о наиболее правдоподобном сценарии на основе здравого смысла и рассуждений о том, что должно происходить в этих моделях мира.
«Этот метод имеет множество применений, — говорит Роберт Хондорф, руководитель исследовательской группы KAUST, — особенно когда необходимо рассуждать над данными и гипотезами, сгенерированными нейронной сетью или другой моделью машинного обучения».
Кульманов и Хондорф сотрудничали со Стефаном Арольдом из KAUST, а также с исследователями из Швейцарского института биоинформатики, чтобы оценить способность модели расшифровывать функции белков, роль которых в организме неизвестна.
Инструмент успешно использовал данные об аминокислотной последовательности малоизученного белка и его известных взаимодействиях с другими белками и точно предсказал его молекулярные функции. Модель оказалась настолько точной, что DeepGO-SE вошел в топ-20 из более чем 1600 алгоритмов на международном конкурсе инструментов для предсказания функций.
Сейчас команда KAUST использует этот инструмент для изучения функций загадочных белков, обнаруженных у растений, произрастающих в экстремальных условиях пустыни Саудовской Аравии. Они надеются, что полученные результаты будут полезны для выявления новых белков для биотехнологических применений, и хотели бы, чтобы этот инструмент использовали другие исследователи.
Как объясняет Кульманов, «способность DeepGO-SE анализировать неохарактеризованные белки может облегчить такие задачи, как открытие лекарств, анализ метаболических путей, ассоциации болезней, белковая инженерия, скрининг на наличие специфических белков, представляющих интерес, и многое другое».
Нет комментариев