Методы машинного обучения в дизайне белков

Примеры проблем, стоящих перед медициной в наши дни, ярко подсветила эпидемия коронавируса: современные вакцины часто являются продуктами молекулярной инженерии, разработка эффективных антител также нуждается в инженерном подходе. Передовые статьи за последние пару лет в этом направлении подчеркивают необходимость рационального создания препаратов на основе белковых молекул. Если говорить о методах молекулярной биологии, то они зачастую манипулируют белками как единицами инженерии, не внося новую функцию изменением последовательности объекта интереса. Для функционального дизайна белка необходимо опираться на структурную информацию о строении молекулы.

Современное развитие методов предсказания структуры белка на основе машинного обучения дает надежды на развитие решений по дизайну функциональных белков от структурных элементов до ферментов. Основная проблема дизайна состоит в исследовании пространства последовательностей, которое зависит от размера белка как 20 N, где N это количество остатков аминокислот в белке. Ожидаемо, что для задач такого размера исследование на основе комбинаторного перебора не представляется возможным. Современные методы на основе диффузионных моделей и другие генеративные подходы позволяют за приемлемое время предложить варианты дизайна структуры и последовательности белка, которые можно использовать для проверки физически осмысленными методами.

Цель курса – познакомить слушателей с известными решениями в области вычислительного генеративного дизайна белковых молекул, привить практические навыки использования этих методов и изучить возможности по их модификации и развитию.

Курс необходим слушателям, которые так или иначе вовлечены в работы по исследованию как белковых молекул, так и более сложных систем с их участием. Такие специалисты востребованы ведущими российскими фармацевтическими компаниями, которые разрабатывают передовые препараты с использованием инженерных белковых молекул.

Страница курса: https://intellect-foundation.r...

Материалы к курсу: https://github.com/Golovin-And...