Проект OpenPep получил $2,3 млн на создание открытой базы данных и ИИ‑модели для поиска терапевтических пептидов
Проект OpenPep получил $2,3 млн на создание открытой базы данных и ИИ‑модели для поиска терапевтических пептидов
Группа учёных под руководством Джозефа Брауна, доцента фармацевтического факультета Лесли Дэна, получила финансирование в размере 2,3 миллиона долларов США на разработку открытой базы данных и модели искусственного интеллекта для выявления пептидов с терапевтическим потенциалом. Проект поддержан в рамках инициативы Google.org Impact Challenge: AI for Science.
Новая инициатива под названием OpenPep направлена на создание базы данных с открытым доступом, которая позволит исследователям применять ИИ для прогнозирования того, какие пептиды будут связываться с целевыми белками.
Пептиды привлекают всё больше внимания: ими пользовались многие взрослые пациенты, и по данным исследовательской среды примерно 8% недавно одобренных лекарств составляют пептидные препараты. Проблема заключается в недостатке сопоставимых и объёмных данных для систематического открытия пептидов, что замедляет разработку новых лекарств, — отмечают авторы проекта.
Джозеф Браун — научный консультант Консорциума по ускорению Университета Торонто.
Пептиды — короткие цепочки аминокислот: они меньше белков, но крупнее традиционных низкомолекулярных лекарств. При проектировании пептиды могут обладать высокой стабильностью, точностью и селективностью в отношении биологических мишеней, поэтому их рассматривают как перспективный класс терапевтических молекул.
Искусственный интеллект уже стал важной частью исследований в биологии и разработке лекарств: при наличии достаточного объёма данных модели ИИ помогают прогнозировать результаты и приоритизировать эксперименты в лабораториях. В качестве известного примера исследователи приводят AlphaFold, одну из моделей для предсказания структуры белков, которая опирается на данные из открытых источников, накапливавшиеся десятилетиями.
Для пептидов аналогичной большой объединённой базы данных и проверенной ИИ‑модели пока не существует. Открытие пептидов по большей части опирается на отдельные эксперименты, а важные данные разбросаны по разным лабораториям, проектам и компаниям.
Чтобы восполнить этот пробел, Браун объединил усилия с доцентом Кейт Парди с фармацевтического факультета Лесли Дэна, профессором Филом Кимом из Центра клеточных и биомолекулярных исследований Доннелли Университета штата Техас и Крисом Ингом, соучредителем и главным научным сотрудником ProteinQure. Совместно они планируют создать открытую базу данных и соответствующую модель ИИ для предсказания связывания пептидов и дать исследователям по всему миру возможность вносить вклад в этот ресурс.
По словам Лесли Йе, директора по научному прогрессу Google.org, целевое финансирование на ранней стадии в сочетании с передовыми ИИ‑методами может помочь исследователям брать на себя более смелые научные риски и снизить барьеры, связанные с фрагментированностью данных; поэтому Google.org поддерживает создание OpenPep как ресурса для открытого обмена знаниями.
Исследовательская группа намерена собирать предложения по целевым белкам, связанным с заболеваниями, для дальнейшего тестирования и открытия пептидов.
OpenPep объединит опыт соавторов в области открытия и дизайна пептидов, а также в ИИ и машинном обучении, чтобы генерировать значительные объёмы экспериментальных данных и строить модели для прогнозирования связывания пептидов с белками.
Группа Парди будет использовать доступные бесклеточные системы синтетической биологии для производства до 500 белков, связанных с заболеваниями, давая «снимок» протеома человека. Команда Брауна применит специализированную масс‑спектрометрию для экспериментальной проверки больших библиотек пептидов на выбранные белки и измерения, какие пептиды связываются и с какой силой.
Полученные экспериментальные данные планируют использовать для создания и обучения моделей ИИ, способных предсказывать связывание пептидов с белками, не проверенными экспериментально. По мере подтверждения прогнозов новые данные будут добавляться в модель для её уточнения и повышения точности предсказаний.
«ИИ может превратить тысячи разрозненных экспериментов с пептидами в обобщаемые правила о том, как пептиды взаимодействуют с белками», — указывают разработчики проекта, подчёркивая, что это позволит расширить ценность каждого эксперимента за пределы конкретных молекул и целей.
При запуске экспериментов команда будет принимать предложения по целям от сотрудников больниц, фармацевтических компаний и исследовательских институтов; особое внимание планируется уделить педиатрическим и редким заболеваниям, онкологии, нейродегенерации и сердечно‑сосудистой патологии. Любой исследователь может предложить цель через веб‑форму на сайте openpep.com.
После запуска OpenPep станет открытой базой данных, в которую исследователи смогут продолжать вносить вклад, что, по оценке авторов, создаст условия для роста ресурса и усилит коллективный прогресс в изучении разнообразия пептидной химии и биологии заболеваний.
По задумке создателей проекта, доступ к большому объёму экспериментальных данных должен помочь командам по поиску пептидных лекарств эффективнее находить и оптимизировать перспективные молекулы, сделать открытие пептидов более предсказуемым и сократить путь от выбора мишени до потенциального лекарственного препарата.
Браун подчёркивает, что значительная часть финансирования, полученного в рамках премии Google.org Impact Challenge, важна для достижения амбициозных задач проекта.
«Это финансирование даёт нам импульс для целенаправленного сбора данных, необходимых для продвижения этой области», — говорит Браун. «Масштаб данных, которые мы планируем собрать, больше нигде не существует, и эта поддержка поможет нам стать одними из лидеров в создании новой парадигмы открытия пептидов на основе ИИ».
Он добавляет, что ИИ не заменит лабораторные эксперименты, но поможет лучше выбирать те из них, которые стоит проводить, выявляя пептиды, наиболее достойные тестирования.
