SVSBI: sequência

Biologia das Comunicações volume 6, Número do artigo: 536 (2023) Citar este artigo

501 Acessos

6 Altmétrica

Detalhes das métricas

A triagem virtual (VS) é uma técnica crítica na compreensão das interações biomoleculares, particularmente na concepção e descoberta de medicamentos. No entanto, a precisão dos modelos VS atuais depende fortemente de estruturas tridimensionais (3D) obtidas por meio de encaixe molecular, que geralmente não é confiável devido à baixa precisão. Para resolver esse problema, introduzimos uma triagem virtual baseada em sequência (SVS) como outra geração de modelos VS que utilizam algoritmos avançados de processamento de linguagem natural (NLP) e estratégias otimizadas de incorporação profunda de K para codificar interações biomoleculares sem depender de estruturas 3D baseadas ancoragem. Demonstramos que o SVS supera o desempenho de ponta para quatro conjuntos de dados de regressão envolvendo ligação proteína-ligante, proteína-proteína, ligação proteína-ácido nucleico e inibição de ligante de interações proteína-proteína e cinco conjuntos de dados de classificação para interações proteína-proteína em cinco espécies biológicas. O SVS tem o potencial de transformar as práticas atuais na descoberta de medicamentos e engenharia de proteínas.

As biomoléculas são os blocos de construção da vida e podem ser classificadas em várias categorias, incluindo carboidratos, lipídios, ácidos nucléicos e proteínas com base em seus tamanhos, estruturas, propriedades físico-químicas e/ou funções biológicas. Além disso, a realização de funções biomoleculares é frequentemente acompanhada por interações físicas/químicas diretas com outras moléculas biológicas, pequenos ligantes, íons e/ou cofatores1. Essas interações dependem muito das estruturas tridimensionais (3D) e da dinâmica das moléculas, bem como das mudanças conformacionais biomoleculares, devido à sua flexibilidade e alosteria. A compreensão das interações biomoleculares é o Santo Graal da ciência biológica.

A última década testemunhou o rápido avanço na biologia computacional impulsionado pela conquista da inteligência artificial (IA) e pelo aumento do poder do computador. Com técnicas avançadas de coleta, processamento, análise e representação de dados, a biologia computacional moderna pode estudar processos biológicos em escalas extraordinárias e múltiplas dimensões. Obteve grande sucesso em várias tarefas biológicas2,3,4. A capacidade de entender as interações biomoleculares por meio de abordagens avançadas de IA tem um significado de longo alcance para uma ampla gama de campos de pesquisa, incluindo descoberta de medicamentos3, prevenção de vírus5, evolução direcionada4 etc. No entanto, a previsão precisa e confiável de interações biomoleculares ainda é um desafio sério desafio.

Devido à alta correlação inerente entre as informações da estrutura e as funções moleculares, as abordagens baseadas na estrutura alcançaram alta precisão e confiabilidade na modelagem e aprendizado de interações biomoleculares6,7,8,9,10,11. Como resultado, a análise atual e a previsão de interações biomoleculares dependem fortemente das estruturas 3D de alta qualidade de complexos biomoleculares interativos. Infelizmente, a determinação experimental de estruturas 3D é demorada e cara, levando à escassez de estruturas experimentais, particularmente, as estruturas de complexos biomoleculares interativos. Para superar essa dificuldade, o docking molecular baseado em algoritmos de busca e pontuação é projetado para gerar estruturas 3D dos complexos interativos, como complexos anticorpo-antígeno e complexos proteína-ligante. O encaixe molecular é amplamente incorporado na triagem virtual (VS) de interações biomoleculares, oferecendo um meio alternativo para construir as estruturas 3D de complexos biomoleculares interativos e é uma etapa crucial na descoberta de drogas auxiliada por computador (CADD). No entanto, o docking molecular atual é propenso a erros, renderizando estruturas 3D imprecisas e levando a uma triagem virtual não confiável12. Apesar do avanço na previsão de enovelamento de proteínas (único não interativo) por Alphafold22, a previsão da estrutura de complexos biomoleculares interativos continua sendo um grande desafio. Há uma necessidade premente de desenvolver estratégias inovadoras para a triagem virtual de interações biomoleculares.