Исследователи из Университета штата Вашингтон нашли способ модулировать общий белок вируса, чтобы предотвратить его проникновение в клетки, где он может вызвать заболевание. Это открытие однажды может привести к созданию новых противовирусных препаратов.
В фундаментальном исследовании, опубликованном в журнале [Nanoscale], учёные из Школы машиностроения и материаловедения и Департамента ветеринарной микробиологии и патологии смогли найти и заблокировать важное взаимодействие на молекулярном уровне, которое позволяет вирусу герпеса проникать в клетки.
«Вирусы очень умны, — сказал Цзинь Лю, автор статьи и профессор Школы машиностроения и материаловедения. — Весь процесс вторжения в клетки очень сложен, и в нём участвует множество взаимодействий. Не все взаимодействия одинаково важны — большинство из них может быть просто фоновым шумом, но есть несколько ключевых взаимодействий».
В своей работе исследователи работали с «белком слияния», который используется вирусами герпеса для слияния с клетками и проникновения в них, вызывая множество заболеваний. Учёные плохо понимают, как именно сложный белок открывается и проникает в клетки, что отчасти объясняет отсутствие вакцин против этих распространённых типов вирусов.
Используя искусственный интеллект и моделирование на молекулярном уровне, профессора Прашант Датта и Цзинь Лю из Школы машиностроения и материаловедения просеяли тысячи возможных взаимодействий, чтобы найти важную аминокислоту, которая играет ключевую роль в проникновении вредных вирусов в клетки. Они разработали алгоритм для изучения тысяч взаимодействий между аминокислотами, которые являются строительными блоками белка. Затем они разработали метод машинного обучения для дифференциации взаимодействий и выявления наиболее важных из них.
Под руководством Энтони Никола из Департамента ветеринарной микробиологии и патологии исследователи внесли мутацию в одну из важных аминокислот и обнаружили, что она значительно блокирует успешное слияние вируса. Вирус герпеса не смог проникнуть в клетки.
Моделирование и машинное обучение сыграли решающую роль в проведении экспериментов, поскольку эксперименты по проверке только одного взаимодействия могли занять несколько месяцев, сказал Лю.
«Это было всего лишь одно взаимодействие из тысяч. Если бы мы не провели моделирование, а вместо этого проделали эту работу методом проб и ошибок, на это могло бы уйти несколько лет», — сказал Лю. «Сочетание теоретической вычислительной работы с экспериментами настолько эффективно и может ускорить открытие этих важных биологических взаимодействий».
Хотя исследователи знают, что взаимодействие важно, у них всё ещё нет полной картины того, как структура более крупного белка изменяется при введении мутации. Они надеются и дальше использовать моделирование и машинное обучение, чтобы получить более полное представление о поведении всего белка.
«Существует разрыв между тем, что видят экспериментаторы, и тем, что мы можем увидеть в моделировании», — сказал Лю. «Следующий шаг — понять, как это небольшое взаимодействие влияет на структурные изменения в более крупных масштабах. Это также очень сложная задача для нас».
В дополнение к Лю, Датте и Николу в проекте участвовали аспиранты Райан Одстрчил, Альбина Макио и Маккенна Халл.
Предоставлено Университетом штата Вашингтон.