Predviđanje lokacije proteina u ćeliji može pomoći istraživačima da otključaju mnoštvo bioloških informacija koje su ključne za razvoj budućih naučnih otkrića vezanih za razvoj lekova i lečenje bolesti poput epilepsije. To je zato što su proteini „radni konji“ tela, u velikoj meri odgovorni za većinu ćelijskih funkcija.
Nedavno je Dong Ksu, kustoski uvaženi profesor na Odseku za elektrotehniku i računarstvo na Univerzitetu u Misuriju, i njegove kolege ažurirali svoj model predviđanja lokalizacije proteina, MULocDeep, sa mogućnošću da pruže ciljanija predviđanja, uključujući specifične modele za životinje, ljude i biljke. Model su kreirali pre 10 godina Ksu i njegov kolega istraživač sa MU Džej Telen, profesor biohemije, da bi prvobitno proučavali proteine u mitohondrijama.
„Mnoga biološka otkrića treba da budu potvrđena eksperimentima, ali ne želimo da istraživači moraju da troše vreme i novac izvodeći hiljade eksperimenata da bi stigli tamo“, rekao je Ksu. „Bolje ciljani pristup štedi vreme. Naš alat pruža koristan resurs za istraživače tako što im pomaže da brže dođu do svojih otkrića jer im možemo pomoći da osmisle ciljanije eksperimente iz kojih će efikasnije unaprediti svoje istraživanje.“
Koristeći moć veštačke inteligencije kroz tehniku mašinskog učenja — obučavajući računare da prave predviđanja koristeći postojeće podatke — model može pomoći istraživačima koji proučavaju mehanizme povezane sa nepravilnim lokacijama proteina, poznatim kao „pogrešna lokalizacija“ ili gde protein ide. na drugo mesto nego što bi trebalo. Ova abnormalnost je često povezana sa bolestima kao što su metabolički poremećaji, kanceri i neurološki poremećaji.
„Neke bolesti su uzrokovane pogrešnom lokalizacijom, što uzrokuje da protein ne može da izvrši funkciju kako se očekivalo jer ili ne može da stigne do cilja ili ide tamo neefikasno“, rekao je Ksu.
Još jedna primena prediktivnog modela tima je pomoć u dizajnu lekova ciljanjem na nepropisno locirani protein i premeštanjem na ispravnu lokaciju, rekao je Ksu.
U budućnosti, Ksu se nada da će povećati tačnost modela i razviti više funkcionalnosti.
„Želimo da nastavimo da poboljšavamo model kako bismo utvrdili da li bi mutacija u proteinu mogla da izazove pogrešnu lokalizaciju, da li su proteini raspoređeni u više od jednog ćelijskog odeljka ili kako signalni peptidi mogu pomoći da se preciznije predvidi lokalizacija“, rekao je Ksu. „Iako mi ne nudimo nikakva rešenja za razvoj lekova ili tretmana za različite bolesti per se, naš alat može pomoći drugima u razvoju medicinskih rešenja. Današnja nauka je poput velikog preduzeća. Različiti ljudi igraju različite uloge i radeći zajedno možemo postići mnogo dobrog za sve“.
Ksu trenutno radi sa kolegama na razvoju besplatnog, onlajn kursa za srednjoškolce i studente na osnovu bioloških i bioinformatičkih koncepata koji se koriste u modelu i očekuje da će kurs biti dostupan kasnije ove godine.
Sukob interesa su takođe primetili Ksu i njegove kolege: Dok je onlajn verzija MULocDeep-a dostupna za korišćenje od strane akademskih korisnika, samostalna verzija je takođe dostupna komercijalno uz naknadu za licenciranje.
„MULocDeep veb servis za predviđanje i vizuelizaciju lokalizacije proteina na subćelijskom i suorganelarnom nivou“, objavljeno je u časopisu Nucleic Acids Research. Koautori su Iueku Jiang, Lei Jiang, Chopparapu Sai Akhil, Duolin Vang, Ziiang Zhang i Veinan Zhang na MU.
