Científicos rusos han mejorado notablemente la precisión de las redes neuronales en una de las tareas más complejas de la biología: la predicción de las interacciones entre proteínas. El nuevo enfoque permite predecir tales procesos con una precisión de hasta el 95,7%, lo que abre oportunidades adicionales para el desarrollo de fármacos y el estudio de enfermedades.
El trabajo ha sido publicado en la revista Scientific Reports. La investigación fue realizada por un equipo dirigido por la directora del Centro de Investigación Biomédica del Instituto de Inteligencia Artificial y Ciencias Digitales de la HSE University, Maria Poptsova.
La idea principal es tener en cuenta no solo la estructura y la secuencia de las proteínas, como lo hacen la mayoría de los modelos existentes, sino también las propiedades de su superficie. Este factor a menudo se pasa por alto, aunque es fundamental para comprender cómo las moléculas "interactúan" entre sí.
La base del método es una combinación de varios tipos de redes neuronales que analizan simultáneamente la secuencia de aminoácidos, la estructura tridimensional y las características físicas de la superficie de las proteínas. Este enfoque permite aumentar significativamente la precisión en comparación con algoritmos populares como GCN y GAT.
La tecnología se probó en uno de los conjuntos de datos más grandes sobre interacciones de proteínas. Como resultado, el nuevo modelo mostró una precisión del 95,7%, superior a las soluciones existentes.
Para la ciencia, este es un paso importante: los fallos en las interacciones de las proteínas son la base de muchas enfermedades. Cuanto más precisamente se puedan predecir tales procesos, más rápido se podrán encontrar posibles "objetivos" para los medicamentos y comprender mejor los mecanismos de las enfermedades, sin experimentos costosos y prolongados.