Banbrytande innovationer inom behandling och läkemedelsutveckling
StockholmJack Cheng och hans team vid University of Missouri har skapat Cryo2Struct, ett AI-program som underlättar förståelsen av hur proteiner samverkar. Detta är av stor betydelse för behandling och förebyggande av sjukdomar. Cryo2Struct använder kryo-elektronmikroskopi för att automatiskt ta fram exakta modeller av proteinstrukturer, vilket ger större noggrannhet än tidigare metoder.
- Förbättrad förståelse av proteininteraktioner
- Automatisk skapande av 3D-proteinmodeller
- Banar väg för framsteg inom läkemedelsdesign
Chengs arbete sträcker sig bortom att bara förutsäga proteinstrukturer. Proteiner är viktiga biomolekyler som inte fungerar ensamma. De samlas i komplexa grupper för att utföra biologiska uppgifter. Förståelsen av dessa uppgifter har varit svår eftersom proteinveckning påverkar deras funktion. Djupinlärning har gjort framsteg inom detta område, och Cheng var en tidig pionjär. Hans arbete ledde till modeller som Googles AlphaFold. Att förstå hur proteiner interagerar var dock en annan utmaning i att begripa sjukdomar och utveckla behandlingar.
Cryo2Struct är ett banbrytande verktyg som analyserar cryo-EM-bilder för att identifiera proteiners atomstrukturer utan behov av tidigare information. Denna detaljerade kartläggning ger forskare möjlighet att utveckla nya sätt att behandla sjukdomar. Genom att förstå hur proteinstrukturer ser ut kan forskare designa läkemedel för att korrigera eller justera onormala proteinegenskaper.
Att Frigöra Läkemedelsutveckling
Chengs forskargrupp använde diffusionsmodeller för att studera hur molekyler förändras från slumpmässiga former till specifika strukturer. Deras mål är att förbättra läkemedels effektivitet genom att förändra molekylära modeller för att förbättra deras bindning och interaktion med proteiner. Till exempel, om ett läkemedel bara fungerar delvis för ett tillstånd, kan AI hjälpa till att justera det så att det fungerar bättre för vissa patienter. Chengs arbete belyser en trend mot personlig medicin, där behandlingar skräddarsys utifrån en persons unika genetiska och molekylära sammansättning.
Chengs arbete vid Mizzou, både inom NextGen Precision Health och Ingenjörshögskolan, spelar en viktig roll i att förena olika typer av expertis. Dessa samarbeten nyttjar den senaste tekniken och utrustningen för att främja precisionshälsa, där fokus ligger på att skräddarsy behandlingar för varje individ. Detta kan avsevärt förbättra vårdens effektivitet och noggrannhet. Målet är inte bara att få en djupare förståelse för sjukdomar, utan också att utveckla behandlingsmetoder som fungerar mer framgångsrikt.
Studien publiceras här:
http://dx.doi.org/10.1038/s41467-024-49647-6och dess officiella citering - inklusive författare och tidskrift - är
Nabin Giri, Jianlin Cheng. De novo atomic protein structure modeling for cryoEM density maps using 3D transformer and HMM. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-49647-6Dela den här artikeln