Eiwitontwerp, een cruciaal aspect van de biologische wetenschappen, omvat het creëren van aminozuursequenties die zich in de gewenste eiwitstructuren vouwen. Dit proces, bekend als het inverse vouwprobleem van eiwitten, was een uitdaging in het veld.

Daartoe heeft een team van onderzoekers van de Tsinghua Universiteit (THU) in China DIProT geïntroduceerd, een interactieve toolkit voor het ontwerpen van eiwitten die gebruik maakt van een niet-autoregressief diep generatief model om dit probleem aan te pakken.

"Eiwitten spelen een cruciale rol in tal van biologische functies", legt de corresponderende auteur van het onderzoek Xiaowo Wang uit, professor aan de afdeling Automatisering aan de Tsinghua Universiteit. "Zowel het voorspellen van de structuur van een bepaalde eiwitsequentie, zoals geïllustreerd door AlphaFold, als het ontwerpen van aminozuursequenties die zich conformeren aan een bepaalde eiwitstructuur, vormen hun unieke uitdagingen."

Om DIProT te ontwikkelen, hebben de onderzoekers deep learning-modellen met menselijke expertise rechtstreeks in het ontwerpproces geïntegreerd, waardoor de efficiëntie en effectiviteit van het eiwitontwerp zijn verbeterd.

"De unieke aanpak van DIProT stelt gebruikers in staat de doelstructuur te specificeren en delen van de reeks die ze willen behouden vast te leggen, waardoor de flexibiliteit van het ontwerpproces wordt vergroot", voegt Wang toe. "De toolkit bevat ook een voorspellingsmodel voor de eiwitstructuur om ontwerpen in silico te evalueren, waardoor een virtuele ontwerplus wordt gevormd die de efficiëntie van het eiwitontwerp aanzienlijk verbetert."

Een van de belangrijkste kenmerken van DIProT is de gebruiksvriendelijke grafische gebruikersinterface (GUI), die meerdere algoritmen integreert om een ​​snelle en intuïtieve feedback-ontwerplus mogelijk te maken. Dankzij de GUI kunnen gebruikers visueel communiceren met de ontwerpresultaten, wat het begrip en de interpretatie van de resultaten bevordert.

De auteurs, die hun onderzoek publiceerden in het tijdschrift Synthetic and Systems Biotechnology , verwacht dat DIProT zeer nuttig zal zijn voor praktische eiwitontwerptaken. "We hopen dat DIProT verder onderzoek in het veld zal stimuleren en zal dienen als een nuttig hulpmiddel voor het aanpakken van de steeds complexere en diversere uitdagingen op het gebied van eiwitontwerp."

De onderzoekers zijn van plan hun inverse vouwmodel en toolkit te verfijnen om in de toekomst steeds complexere en diversere uitdagingen op het gebied van eiwitontwerp aan te pakken.

Meer informatie: Jieling He et al, DIProT:Een op deep learning gebaseerde interactieve toolkit voor efficiënt en effectief eiwitontwerp, Synthetische en systeembiotechnologie (2024). DOI:10.1016/j.synbio.2024.01.011

Aangeboden door KeAi Communications Co., Ltd.