Forscher der Universität von Toronto haben ein tieflernendes Modell entwickelt, das alle möglichen Formen von Peptiden vorhersagen kann – Ketten von Aminosäuren, die kürzer sind als Proteine, aber ähnliche biologische Funktionen ausführen. Das Modell namens PepFlow kombiniert maschinelles Lernen und Physik, um das Spektrum der Faltmuster zu modellieren, die ein Peptid annehmen kann, basierend auf seiner Energielandschaft. PepFlow nutzt Deep Learning, um präzise und genaue Konformationen eines Peptids innerhalb von Minuten zu erfassen, was bisher nicht möglich war. Es bietet Potenzial für die Entwicklung von Medikamenten durch das Design von Peptiden, die als Bindemittel wirken können.
Die Studie wurde kürzlich im Journal Nature Machine Intelligence veröffentlicht. Die Rolle eines Peptids im menschlichen Körper ist direkt mit seiner Faltung verbunden, da seine 3D-Struktur bestimmt, wie es sich mit anderen Molekülen verbindet und interagiert. Peptide sind wichtig als biologische Moleküle und für die Arzneimittelentwicklung, da sie im Vergleich zu Proteinen kostengünstiger sind. Das neue Modell PepFlow erweitert die Fähigkeiten von AlphaFold, dem führenden Google DeepMind KI-System zur Vorhersage von Proteinstrukturen, indem es eine Reihe von Konformationen für ein gegebenes Peptid generiert, einschließlich ungewöhnlicher Strukturen wie dem ringförmigen Aufbau bei der Makrocyclisierung. Peptide-Makrocyclen sind vielversprechend für die Arzneimittelentwicklung.
Es dauerte zweieinhalb Jahre, um PepFlow zu entwickeln und einen Monat, um es zu trainieren, aber es hat sich gelohnt, um über Modelle hinauszugehen, die nur eine Struktur eines Peptids vorhersagen. Obwohl PepFlow die erste Version eines neuen Modells darstellt, gibt es Verbesserungsmöglichkeiten, wie das Training des Modells mit expliziten Daten für Lösungsmittelatome und für Einschränkungen bei der Entfernung zwischen Atomen in ringförmigen Strukturen. Trotzdem sagen die Forscher, dass PepFlow ein umfassendes und effizientes Modell ist, das die Weiterentwicklung von Behandlungen vorantreiben kann, die auf der Bindung von Peptiden zur Aktivierung oder Hemmung biologischer Prozesse basieren.