机器学习模型提供了有关蛋白质的详细信息

今天在开放获取期刊eLife中描述了一种能够读取和分析蛋白质序列的新型机器学习“工具箱”。

该研究表明，当训练读取序列数据时，称为限制玻尔兹曼机器(RBM)的人工神经网络可以提供有关蛋白质结构，功能和进化特征的大量信息。它被认为是第一种可以仅从序列数据中提取这种细节水平的方法。

蛋白质由称为氨基酸的分子序列形成，其决定了给定蛋白质的结构和功能特性。但要了解序列的哪些部分负责哪些属性具有挑战性。“回答这个问题可能会对药物开发产生重大影响，”共同作者JérômeTubiana解释说，他是法国巴黎高等师范学院(ENS)物理实验室的博士生。“例如，它可以帮助设计具有所需功能的新蛋白质，或预测未来生物体中蛋白质的序列进化，如病原体，并确定适当的药物靶标。”

为了探索这个问题，Tubiana和他的合作者将RBM应用于20个蛋白质“家族” - 一组具有共同进化起源的蛋白质。研究人员提出了四个蛋白质家族的详细结果，包括两个名为Kunitz和WW的短蛋白质结构域，一个称为Hsp70的长蛋白质蛋白质，以及用于基准测试的合成晶格蛋白质。

他们发现，在学习之后，RBM中人工神经元之间的联系是可解释的，并且与蛋白质的结构，功能(如活动)或系统发育 - 蛋白质序列之间的进化关系有关。此外，该团队发现他们可以使用RBM通过随意组合和调高或调低不同的人工神经元来设计新的蛋白质序列。

“我们的RBM模型展示了机器学习技术如何解决复杂的数据识别，并以可解释的方式从数据中得出结论，”共同作者，ENS物理实验室CNRS研究主任Simona Cocco说。“这与传统上用于数据科学的更复杂的黑盒模型背道而驰，因为这些工具提供的统计分析在很大程度上是无法解释的。我们的方法的可解释性对科学家来说是一个主要的好处 - 它承诺允许他们以受控的方式生成具有所需功能的蛋白质。“

“将我们的模型应用于病原体中的蛋白质现在很有意思，”资深作者RémiMonasson补充道，他还是CNS物理实验室的CNRS研究主任，以及法国HenriPoincaré研究所(CNRS / Sorbonne大学)的副主任。“病原体，特别是病毒，通常可以通过使治疗无效的突变来逃避药物。我们的方法可用于预测功能蛋白质从其当前序列可获得的突变逃逸途径，并帮助确定蛋白质位点的哪个组合应该是以毒品为目标阻止所有道路。“