KI-Software kann eine „Roadmap“ für biologische Entdeckungen liefern

Die Vorhersage der Position eines Proteins innerhalb einer Zelle kann Forschern dabei helfen, eine Fülle biologischer Informationen zu erschließen, die für die Entwicklung zukünftiger wissenschaftlicher Entdeckungen im Zusammenhang mit der Arzneimittelentwicklung und der Behandlung von Krankheiten wie Epilepsie von entscheidender Bedeutung sind. Das liegt daran, dass Proteine ​​die „Arbeitspferde“ des Körpers sind und maßgeblich für die meisten Zellfunktionen verantwortlich sind.

Kürzlich haben Dong Xu, Curators Distinguished Professor am Fachbereich Elektrotechnik und Informatik der University of Missouri, und Kollegen ihr Modell zur Vorhersage der Proteinlokalisierung aktualisiert. MULocDeep, mit der Möglichkeit, gezieltere Vorhersagen zu liefern, einschließlich spezifischer Modelle für Tiere, Menschen und Pflanzen. Das Modell wurde vor 10 Jahren von Xu und seinem MU-Forscherkollegen Jay Thelen, einem Professor für Biochemie, entwickelt, um ursprünglich Proteine ​​in Mitochondrien zu untersuchen.

„Viele biologische Entdeckungen müssen durch Experimente validiert werden, aber wir wollen nicht, dass Forscher Zeit und Geld in die Durchführung Tausender Experimente investieren müssen, um dorthin zu gelangen“, sagte Xu. „Ein zielgerichteterer Ansatz spart Zeit. Unser Tool stellt eine nützliche Ressource für Forscher dar, indem es ihnen hilft, schneller zu ihren Entdeckungen zu gelangen, da wir ihnen dabei helfen können, zielgerichtetere Experimente zu entwerfen, von denen aus sie ihre Forschung effektiver vorantreiben können.“

Durch die Nutzung der Leistungsfähigkeit künstlicher Intelligenz durch eine Technik des maschinellen Lernens – das Trainieren von Computern, anhand vorhandener Daten Vorhersagen zu treffen – kann das Modell Forschern helfen, die Mechanismen zu untersuchen, die mit unregelmäßigen Positionen von Proteinen, der so genannten „Fehllokalisierung“, oder dem Zielort eines Proteins verbunden sind an einen anderen Ort als vorgesehen. Diese Anomalie wird häufig mit Krankheiten wie Stoffwechselstörungen, Krebs und neurologischen Störungen in Verbindung gebracht.

„Einige Krankheiten werden durch eine Fehllokalisierung verursacht, die dazu führt, dass das Protein nicht in der Lage ist, eine erwartete Funktion zu erfüllen, weil es entweder nicht zu einem Ziel gelangen kann oder ineffizient dorthin gelangt“, sagte Xu.

Eine weitere Anwendung des Vorhersagemodells des Teams sei die Unterstützung bei der Medikamentenentwicklung, indem ein falsch lokalisiertes Protein gezielt an die richtige Stelle verschoben werde, sagte Xu.

In Zukunft hofft Xu, die Genauigkeit des Modells zu erhöhen und weitere Funktionalitäten zu entwickeln.

„Wir wollen das Modell weiter verbessern, um festzustellen, ob eine Mutation in einem Protein eine Fehllokalisierung verursachen könnte, ob Proteine ​​in mehr als einem Zellkompartiment verteilt sind oder wie Signalpeptide dabei helfen können, die Lokalisierung genauer vorherzusagen“, sagte Xu. „Obwohl wir per se keine Lösungen für die Arzneimittelentwicklung oder Behandlung verschiedener Krankheiten anbieten, kann unser Tool anderen bei der Entwicklung medizinischer Lösungen helfen. Die heutige Wissenschaft ist wie ein großes Unternehmen. Verschiedene Menschen spielen unterschiedliche Rollen und arbeiten zusammen.“ Wir können viel Gutes für alle erreichen.“

Xu arbeitet derzeit mit Kollegen an der Entwicklung eines kostenlosen Online-Kurses für Schüler und Studenten, der auf den im Modell verwendeten biologischen und bioinformatischen Konzepten basiert, und geht davon aus, dass der Kurs noch in diesem Jahr verfügbar sein wird.

Auch ein Interessenkonflikt wird von Xu und Kollegen festgestellt: Während die Online-Version von MULocDeep für die Nutzung durch akademische Nutzer verfügbar ist, ist eine eigenständige Version gegen eine Lizenzgebühr auch kommerziell erhältlich.

„MULocDeep-Webdienst zur Vorhersage und Visualisierung der Proteinlokalisierung auf subzellulärer und suborganellarer Ebene,“ wurde in der Zeitschrift veröffentlicht Nukleinsäureforschung. Co-Autoren sind Yuexu Jiang, Lei Jiang, Chopparapu Sai Akhil, Duolin Wang, Ziyang Zhang und Weinan Zhang an der MU.