Forskare har utvecklat DIProT, en innovativ, användarvänlig verktygslåda för proteindesign. Verktygslådan använder en icke-autoregressiv djup generativ modell för att ta itu med problemet med proteininversveckning, och integrerar mänsklig expertis i designloopen för effektiv och effektiv proteindesign.
Proteindesign, en avgörande aspekt av biologiska vetenskaper, innebär att skapa aminosyrasekvenser som viker sig till önskade proteinstrukturer. Denna process, känd som problemet med proteininversveckning, har varit en utmaning på området.
För detta ändamål introducerade ett team av forskare från Tsinghua University (THU) i Kina DIProT, en interaktiv proteindesignverktygssats som utnyttjar en icke-autoregressiv djup generativ modell för att ta itu med detta problem.
"Proteiner spelar en avgörande roll i många biologiska funktioner", förklarar motsvarande författare till studien Xiaowo Wang, professor vid avdelningen för automation vid Tsinghua University. "Både förutsäga strukturen för en given proteinsekvens, som exemplifieras av AlphaFold, och designa aminosyrasekvenser som överensstämmer med en given proteinstruktur utgör sina unika utmaningar."
För att utveckla DIProT integrerade forskarna modeller för djupinlärning med mänsklig expertis direkt i designprocessen, vilket förbättrade effektiviteten och effektiviteten av proteindesign.
"DIProTs unika tillvägagångssätt tillåter användare att specificera målstrukturen och fixa delar av sekvensen de vill bevara, vilket förbättrar designprocessens flexibilitet", tillägger Wang. "Verktygslådan innehåller också en modell för förutsägelse av proteinstruktur för att utvärdera design i silico, vilket bildar en virtuell designloop som avsevärt förbättrar proteindesigneffektiviteten."
En av nyckelfunktionerna hos DIProT är dess användarvänliga grafiska användargränssnitt (GUI), som integrerar flera algoritmer för att underlätta en snabb och intuitiv feedbackdesignloop. Det grafiska användargränssnittet tillåter användare att interagera med designresultaten visuellt, vilket underlättar förståelsen och tolkningen av resultaten.
Författarna, som publicerade sin studie i tidskriften Synthetic and Systems Biotechnology förväntar dig att DIProT är mycket användbar för praktiska proteindesignuppgifter. "Vi hoppas att DIProT kommer att stimulera ytterligare forskning inom området och fungera som ett användbart verktyg för att ta itu med allt mer komplexa och mångsidiga proteindesignutmaningar."
Forskarna planerar att förfina sin omvända vikningsmodell och verktygslåda för att ta itu med allt mer komplexa och mångsidiga proteindesignutmaningar i framtiden.
Mer information: Jieling He et al, DIProT:En djupinlärningsbaserad interaktiv verktygslåda för effektiv och effektiv proteindesign, Synthetic and Systems Biotechnology (2024). DOI:10.1016/j.synbio.2024.01.011
Tillhandahålls av KeAi Communications Co., Ltd.
