Onderzoekers hebben een proces ontwikkeld dat het werk dat gepaard gaat met computationeel eiwitontwerp sterk kan verminderen, volgens een studie in Proceedings van de National Academy of Sciences .

De techniek maakt gebruik van 3D-structuurmodellen om te projecteren hoe nieuwe combinaties van moleculaire blokken kunnen samenwerken om een ​​gewenst effect te bereiken.

De vooruitgang, die zich richt op een relatief klein aantal eiwitsubstructuren in plaats van het oneindige aantal combinaties op atomair niveau, zou de ontwikkeling van nieuwe medicijnen en materialen kunnen vergemakkelijken.

"Als je een gebouw ontwerpt, je hoeft niet per se te begrijpen hoe zandkorrels met elkaar omgaan binnen één steen, " zei Gevorg Grigoryan, een universitair hoofddocent computerwetenschappen aan Dartmouth en senior onderzoeker van de studie. "Omdat je weet wat een baksteen is en wat zijn eigenschappen zijn, je kunt je in plaats daarvan concentreren op hoe stenen samenkomen om de gewenste vorm te vormen. Dat is dezelfde benadering die wij volgen. We richten ons alleen op eiwitsubstructuren waarvan we weten dat ze werken."

Eiwitten zijn het werkpaard van de natuurlijke wereld. Eiwitten helpen ons de wereld om ons heen te voelen, voedsel verteren en de natuurlijke afweer van het lichaam vormen.

Voor jaren, onderzoekers hebben zich gericht op het bouwen van aangepaste eiwitten die nuttig kunnen zijn in het menselijk lichaam. Bijvoorbeeld, aangepaste eiwitten kunnen worden gebruikt om therapeutische geneesmiddelen te ontwikkelen om ziekten te bestrijden. Echter, terwijl veel therapieën zoals insuline worden geproduceerd uit natuurlijk voorkomende eiwitten, het veld is niet gevorderd om wijdverbreide ontwikkeling van synthetische eiwitten mogelijk te maken.

Een van de belemmeringen voor het ontwikkelen van synthetische eiwitten is het overweldigende aantal mogelijke aminozuurcombinaties. Het doorzoeken van combinaties om er een te vinden die in een bepaald scenario nuttig zou zijn, is een tijdrovend en arbeidsintensief proces.

Onderzoekers die nieuwe medicijnen ontwikkelen, richten zich momenteel op hoe specifieke atomen op elkaar inwerken. Deze aanpak vereist dat laboratoria grote bibliotheken met varianten bouwen om er een te vinden die de opgegeven taak kan voltooien. Hoewel dit nuttige resultaten kan opleveren, onderzoekers vonden het een uitdaging om atomaire modellen te bouwen met een hoge nauwkeurigheid.

"Het aantal sequenties is vrijwel oneindig. Dit bemoeilijkt het proces van het vinden van een juiste combinatie om aan een specifieke therapeutische behoefte te voldoen, echt. " zei Jianfu Zhou, een doctoraat student aan Dartmouth die co-auteur was van het onderzoekspaper.

Om een ​​geoptimaliseerde benadering van eiwitontwerp te ontwikkelen, het onderzoeksteam scande een database van de 3D-modellen van 150, 000 bekende eiwitten. Het team ontdekte dat een klein aantal structurele patronen vaak terugkeerde in eiwitten, en dat veel van de diversiteit in eiwitstructuur voortkomt uit hoe deze bouwstenen worden gecombineerd.

Deze fundamentele ontdekking bracht het team ertoe te veronderstellen dat in plaats van eiwitten te modelleren als complexe netwerken van op elkaar inwerkende atomen, ze kunnen ze in plaats daarvan veel eenvoudiger weergeven als groepen van een beperkte set structurele bouwstenen.

Met de nieuwe methode nieuwe eiwitstructuren kunnen gemakkelijker worden beoordeeld aan de hand van gevestigde patronen. De aanpak stelt onderzoekers in staat om gemakkelijk te experimenteren met creatievere ontwerpen door ze de kans te geven ze te vergelijken met een bibliotheek van bekende structuren.

"Deze techniek neemt de uitdaging weg om de fysica op atomaire schaal absoluut goed te krijgen, waardoor computationeel eiwitontwerp mogelijk een veel robuuster proces wordt. Onze bevindingen zouden de deuren voor machinaal leren in eiwitontwerp wijd open moeten zetten, ' zei Grigoryan.

Het nieuwe proces richt zich op de grotere blokken atomen die voorkomen in eiwitten, bekend als tertiaire motieven, om functionerende eiwitten te ontwerpen. Dit zijn terugkerende structurele arrangementen - vergelijkbaar met een boog of kolom in een gebouw - die kunnen worden toegepast bij het ontwerpen van nieuwe eiwitten zonder rekening te houden met hun samenstelling op atomair niveau.

Omdat de structuren alleen op bepaalde manieren samenkomen, onderzoekers zouden niet langer het giswerk op atomair niveau hoeven te doen. Onderzoekers richten zich alleen op de blokken die bij elkaar passen, het negeren van die structuren die geen functionerend eiwit zouden vormen.

Volgens het onderzoeksrapport de resultaten "beweren sterk dat de Protein Data Bank nu voldoende groot is om eiwitten te kunnen ontwerpen door alleen voorbeelden van structurele motieven van niet-verwante eiwitten te gebruiken."

Door de nieuwe techniek toe te passen, het onderzoeksteam hoopt de overbodigheid van het herontdekken van fysieke principes in de eiwitstructuur weg te nemen door simpelweg op die principes te vertrouwen.