研究人员开发了新的方法来更好地理解蛋白质在体内的相互作用

蛋白质通常被称为人体的工作分子。一个典型的身体有超过20,000种不同类型的蛋白质，每一种都参与人类生活中许多重要的功能。

现在，普渡大学的研究人员设计了一种新的方法，利用深度学习来更好地了解蛋白质在体内是如何相互作用的，这为制作涉及各种疾病的蛋白质相互作用的精确结构模型铺平了道路，并设计出针对蛋白质相互作用的更好的药物。这项研究发表在《生物信息学》杂志上。

为了了解蛋白质复合物功能的分子机制，生物学家一直在使用x光和显微镜等实验方法，但这些都需要大量的时间和资源。

研究人员说：“我们实验室和其他机构的生物信息学研究人员一直在开发用于蛋白质复合物建模的计算方法。一个巨大的挑战是，计算方法通常会生成数千个模型，而选择正确的模型或对模型进行排序可能会很困难。”

Kihara和他的团队开发了一个名为DOVE的系统，将诱饵选择与基于体素的深度神经网络对接，后者将深度学习原理应用到蛋白质相互作用的虚拟模型中。

DOVE扫描一个模型的蛋白-蛋白界面，然后使用深度学习模型原理来区分和捕捉正确和错误模型的结构特征。

赴美医疗服务机构和生元国际了解到，这项工作代表了生物信息学领域的一个重大进步，这可能是研究人员首次成功地利用深度学习和3D功能来快速了解某些蛋白质模型的有效性。然后，这些信息可以用来制造靶向药物，阻止某些蛋白质与蛋白质的相互作用。