Ученые из Массачусетского технологического института (MIT) разработали компьютерный подход, который упрощает прогнозирование мутаций, приводящих к улучшению белковых функций. Они использовали этот метод для создания улучшенных версий белков, включая зеленый флуоресцентный белок (GFP) и белок из вируса адено-ассоциированного вируса (AAV), используемого для доставки ДНК в генотерапии.
Исследователи использовали нейронные сети для анализа данных о последовательностях GFP и их яркости, чтобы создать «карту фитнеса» белков. После «сглаживания» этой карты они обучили модель прогнозировать улучшенные последовательности белков. Этот подход показал свою эффективность при создании новых последовательностей для капсида AAV, что может иметь значительное значение для медицинских приложений.
Исследователи намерены использовать этот метод для улучшения белковых индикаторов напряжения, что может ускорить разработку инструментов для исследований нейронауки и медицинских приложений.
