AI揭示了RNA 蛋白質相互作用的本質

KAUST科學家開發(fā)的一種新的計算工具使用人工智能(AI)來推斷蛋白質的RNA結合特性。該軟件稱為NucleicNet，其性能優(yōu)于同類的其他算法模型，并提供了有助于藥物設計和開發(fā)的其他生物學見解。

“ RNA結合是許多蛋白質的基本特征，” KAUST的前研究助理，該研究的第一作者Jordy Homing Lam說。“我們基于結構的計算框架可以揭示這些蛋白質的詳細RNA結合特性，這對于表征許多疾病的病理學至關重要。”

蛋白質通常與RNA分子接觸，以控制基因轉錄物的加工和運輸—當這些相互作用出錯時，細胞內(nèi)的信息流將被破壞，并可能引起疾病，包括癌癥和神經(jīng)退行性疾病。

為了更好地理解RNA分子的哪些部分傾向于結合在蛋白質的不同表面上，Lam和他的同事們轉向了AI的深度學習。在KAUST的實驗室工作，高林教授在Lam博士和計算生物科學研究中心工作。學生Yu Li教授NucleicNet自動學習了支持蛋白質和RNA之間相互作用的結構特征。

此圖描繪了NucleicNet的培訓策略和實用程序。剝?nèi)チ说鞍踪|數(shù)據(jù)庫中的RNA蛋白質結構的結合RNA，并分析了蛋白質表面的理化特性。結果被編譯為NucleicNet的訓練輸入。一旦訓練完成，就可以將學習到的模型用于預測看不見的查詢蛋白結構的RNA結合位點。學分：©2019 KAUST; 黃河野

他們使用來自公共數(shù)據(jù)庫中的158種不同蛋白質-RNA復合物的三維結構數(shù)據(jù)對算法進行了訓練。將NucleicNet與其他預測模型進行對比(所有預測模型都依賴于序列輸入而不是結構信息)，KAUST團隊表明該工具可以最準確地檢測蛋白質表面上的哪些位點與RNA分子結合。

而且，與任何其他模型不同，NucleicNet可以預測RNA分子的哪些方面在進行結合，無論是糖磷酸骨架的一部分還是遺傳字母的四個字母之一。

Lam，Li和Gao與中美研究人員合作，對多種RNA結合蛋白(包括與牙齦癌和肌萎縮性側索硬化有關的蛋白)的算法進行了驗證，以證明NucleicNet推導的相互作用密切匹配實驗技術揭示的那些。他們在《自然通訊》中報道了這一發(fā)現(xiàn)。

Lam說：“其他計算框架很少考慮基于結構的功能。” “我們利用深度學習的力量來推斷那些微妙的相互作用。”