Sains

Memajukan simulasi protein dengan pembelajaran mesin

Sebuah studi baru yang dipimpin oleh Freie Universität Berlin Physicist dan baru -baru ini diterbitkan di Nature Chemistry membuka, antara lain, kemungkinan aplikasi untuk penemuan obat dalam kedokteran

Mengembangkan model CG umum yang mampu menangkap lipatan protein dan dinamika telah menjadi tantangan yang terus -menerus bagi para ilmuwan selama lima puluh tahun terakhir.

Sebuah tim internasional yang dipimpin oleh Profesor Einstein Cecilia Clementi di Departemen Fisika di Freie Universität Berlin memperkenalkan terobosan dalam simulasi protein. Studi yang diterbitkan pada edisi 18 Juli 2025 Kimia Alammenyajikan CGSCHNET, model berbutir kasar (CG) yang dipelajari mesin yang dapat secara akurat dan efisien mensimulasikan protein yang belum pernah terjadi sebelumnya. Beroperasi secara signifikan lebih cepat daripada dinamika molekul all'atom tradisional, CGSCHNET memungkinkan protein yang lebih besar dan sistem kompleks untuk dieksplorasi – menawarkan aplikasi potensial dalam penemuan obat dan rekayasa protein yang dapat memajukan metode pengobatan kanker misalnya.

Mengembangkan model CG umum yang mampu menangkap lipatan protein dan dinamika telah menjadi tantangan yang terus -menerus bagi para ilmuwan selama lima puluh tahun terakhir. “Pekerjaan ini adalah yang pertama menunjukkan bahwa pembelajaran yang mendalam dapat mengatasi penghalang ini dan mengarah pada sistem simulasi yang mendekati simulasi protein semua'atom tanpa secara eksplisit memodelkan pelarut atau detail atom,” kata Cecilia Clementi.

Dalam CGSCHNET, tim Clementi melatih jaringan saraf grafik untuk mempelajari interaksi yang efektif antara partikel -partikel simulasi protein kasar untuk mereproduksi dinamika serangkaian ribuan simulasi yang beragam dari semua simulasi. Tidak seperti alat prediksi struktur, CGSCHNET memodelkan proses dinamis, termasuk keadaan menengah yang relevan dengan proses kesalahan lipatan seperti pembentukan amiloid, yang merupakan agregat protein patologis yang muncul dalam kasus penyakit Alzheimer, misalnya. Model ini juga mensimulasikan transisi antara keadaan terlipat – kunci untuk fungsi protein – dan digeneralisasi ke protein di luar set pelatihannya, menunjukkan transferabilitas kimia yang kuat. Selain itu, secara akurat memprediksi keadaan metastabil dari protein yang terlipat, dibuka, dan tidak teratur, yang merupakan sebagian besar protein aktif secara biologis. Prediksi seperti itu sangat sulit di masa lalu karena fleksibilitas protein ini. Model ini juga dapat memperkirakan energi bebas lipat relatif dari mutan protein, yang tidak dapat dicapai oleh metode simulasi sebelumnya karena keterbatasan komputasi.

Profesor Cecilia Clementi adalah ahli biofisika teoretis dan komputasi. Dia sebelumnya telah melakukan penelitian sebagai Einstein yang mengunjungi Fellow di pusat penelitian kolaboratif “Investigasi membran – mekanisme molekuler dan fungsi seluler” dan “skala kaskade dalam sistem kompleks” di Freie Universität Berlin. Dia juga ilmuwan pertama yang direkrut secara permanen untuk bekerja di Berlin mengikuti dukungannya sebagai orang yang berkunjung Einstein. Sebelum pindah ke Berlin pada tahun 2020, Clementi adalah profesor kimia dan fisika di Rice University di Houston, Texas. Perannya di Freie Universität memungkinkannya untuk memperkuat penelitian dalam biofisika teoritis dan berbantuan komputer di Berlin dan untuk membangun jembatan antara biofisika eksperimental dan matematika terapan.

Tentang Profesor Einstein

Einstein Foundation mendukung Universitas Berlin dan Charité – Universitätsmedizin dalam upaya mereka untuk merekrut dan mempertahankan para ilmuwan perintis di Berlin melalui program Profesor Einstein. Dana yang disediakan oleh Program Profesor Einstein dapat digunakan untuk meningkatkan anggaran lembaga masing -masing.

Kata -kata Latin Veritas, Justitia, dan Libertas, yang membingkai segel Freie Universität Berlin, berdiri untuk nilai -nilai yang telah mendefinisikan etos akademik Freie Universität sejak didirikan pada bulan Desember 1948.

Source

Related Articles

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Back to top button