今天在開放獲取期刊eLife中描述了一種能夠讀取和分析蛋白質(zhì)序列的新型機(jī)器學(xué)習(xí)“工具箱”。

該研究表明，當(dāng)訓(xùn)練讀取序列數(shù)據(jù)時(shí)，稱為限制玻爾茲曼機(jī)器(RBM)的人工神經(jīng)網(wǎng)絡(luò)可以提供有關(guān)蛋白質(zhì)結(jié)構(gòu)，功能和進(jìn)化特征的大量信息。它被認(rèn)為是第一種可以僅從序列數(shù)據(jù)中提取這種細(xì)節(jié)水平的方法。

蛋白質(zhì)由稱為氨基酸的分子序列形成，其決定了給定蛋白質(zhì)的結(jié)構(gòu)和功能特性。但要了解序列的哪些部分負(fù)責(zé)哪些屬性具有挑戰(zhàn)性。“回答這個(gè)問(wèn)題可能會(huì)對(duì)藥物開發(fā)產(chǎn)生重大影響，”共同作者JérômeTubiana解釋說(shuō)，他是法國(guó)巴黎高等師范學(xué)院(ENS)物理實(shí)驗(yàn)室的博士生。“例如，它可以幫助設(shè)計(jì)具有所需功能的新蛋白質(zhì)，或預(yù)測(cè)未來(lái)生物體中蛋白質(zhì)的序列進(jìn)化，如病原體，并確定適當(dāng)?shù)乃幬锇袠?biāo)。”

為了探索這個(gè)問(wèn)題，Tubiana和他的合作者將RBM應(yīng)用于20個(gè)蛋白質(zhì)“家族” - 一組具有共同進(jìn)化起源的蛋白質(zhì)。研究人員提出了四個(gè)蛋白質(zhì)家族的詳細(xì)結(jié)果，包括兩個(gè)名為Kunitz和WW的短蛋白質(zhì)結(jié)構(gòu)域，一個(gè)稱為Hsp70的長(zhǎng)蛋白質(zhì)蛋白質(zhì)，以及用于基準(zhǔn)測(cè)試的合成晶格蛋白質(zhì)。

他們發(fā)現(xiàn)，在學(xué)習(xí)之后，RBM中人工神經(jīng)元之間的聯(lián)系是可解釋的，并且與蛋白質(zhì)的結(jié)構(gòu)，功能(如活動(dòng))或系統(tǒng)發(fā)育 - 蛋白質(zhì)序列之間的進(jìn)化關(guān)系有關(guān)。此外，該團(tuán)隊(duì)發(fā)現(xiàn)他們可以使用RBM通過(guò)隨意組合和調(diào)高或調(diào)低不同的人工神經(jīng)元來(lái)設(shè)計(jì)新的蛋白質(zhì)序列。

“我們的RBM模型展示了機(jī)器學(xué)習(xí)技術(shù)如何解決復(fù)雜的數(shù)據(jù)識(shí)別，并以可解釋的方式從數(shù)據(jù)中得出結(jié)論，”共同作者，ENS物理實(shí)驗(yàn)室CNRS研究主任Simona Cocco說(shuō)。“這與傳統(tǒng)上用于數(shù)據(jù)科學(xué)的更復(fù)雜的黑盒模型背道而馳，因?yàn)檫@些工具提供的統(tǒng)計(jì)分析在很大程度上是無(wú)法解釋的。我們的方法的可解釋性對(duì)科學(xué)家來(lái)說(shuō)是一個(gè)主要的好處 - 它承諾允許他們以受控的方式生成具有所需功能的蛋白質(zhì)。“

“將我們的模型應(yīng)用于病原體中的蛋白質(zhì)現(xiàn)在很有意思，”資深作者RémiMonasson補(bǔ)充道，他還是CNS物理實(shí)驗(yàn)室的CNRS研究主任，以及法國(guó)HenriPoincaré研究所(CNRS / Sorbonne大學(xué))的副主任。“病原體，特別是病毒，通?？梢酝ㄟ^(guò)使治療無(wú)效的突變來(lái)逃避藥物。我們的方法可用于預(yù)測(cè)功能蛋白質(zhì)從其當(dāng)前序列可獲得的突變逃逸途徑，并幫助確定蛋白質(zhì)位點(diǎn)的哪個(gè)組合應(yīng)該是以毒品為目標(biāo)阻止所有道路。“