Традиционная лабораторная работа с различными пептидами нуждается в автоматизации. Помимо материального оснащения сегодня всё больше применяется также специализированное программное оснащение.
Одно из наиболее известных решений – нейросетевая модель Vib2Mol. Эта платформа помогает решать следующие основные задачи в исследованиях пептидов:
- автоматизация перевода оптического спектра пептидной молекулы в структурное или текстовое описание;
- секвенирование (предсказание последовательности) аминокислот для соединений, которые отсутствуют в базе данных;
- поиск в базе данных путем сверки последовательности аминокислот (миллионы уже известных соединений);
- идентификация типа химических изменений на определенных участках молекулы, которые прямо связаны со свойствами пептида.
Vib2Mol является платформой глубокого обучения. Анализ молекулярных структур и корреляция их со спектром и свойствами лежит в основе точного и оперативного определения пептида и его свойств.
Это подтверждается уже полученными результатами по анализу теоретических и экспериментальных рамановских и инфракрасных спектров заранее известных наборов данных.
Используя Vib2Mol, потенциально возможно вести собственные научные разработки.
Пептиды и Vib2Mol
Программная автоматизация открывает парадигмальные сдвиги в исследованиях химических соединений. Успешные синтез, скрининг и катализ невозможны без надежной идентификации молекулы.
При этом:
- специалист всегда работает с предварительными знаниями о молекулярном каркасе (включая места замещения) и происходящих с ним реакциях, однако эти сведения никогда не являются полными;
- спектры, получаемые на практике, зачастую включают в себя добавки не только продуктов химических реакций, но и остатков реагентов и промежуточных продуктов.
Это осложняет идентификацию молекулы. Понять масштаб этой критически важной для исследований задачу можно с помощью прогнозирования продуктов реакции замещения. Информацию о них дает рамановская спектроскопия.
Возможны 3 следующих сценария.
- хорошо известная реакция – когда заместитель и место замещения точно известны, это позволяет оценить все потенциально возможные структуры и найти среди них вариант с максимально высокой степенью достоверности;
- частично известная реакция – когда известно место замещения, но требуется предсказать тип заместителя, для чего используют намеренно «пустые» участки и проверяют результаты экспериментально;
- неизвестная реакция – когда требуется предсказать новую молекулярную структуру, все типы заместителей и места замещений.
Для пептидов как последовательностей из аминокислот это особенно актуально. Этот класс соединений состоит из дипептидов (2 аминокислоты), трипептидов, олигопептидов (от 4 до 10-20 аминокислот), полипептидов (до 50-100 аминокислот).
Изучение спектров продуктов и их смесей показывает десятки тысяч химических реакций. Моделировать и предсказывать их вручную – крайне трудоемкая и долговременная работа.
Эффективность Vib2Mol
Эффективность аналитического потенциала платформы Vib2Mol оценивали посредством ввода наборов смешанных и несмешанных спектров для поиска или генерации.
Исследования смешанных спектров приводят к пониженной производительности и пониженной точности результатов. Повышается ценность исследования несмешанных наборов соединений и химических реакций – получена точность в 97,51% при поиске и 56,64% при генерации.
Достигаемый уровень точности при секвенировании различных пептидов с учетом модели SMILES (simplified molecular input line entry system, запись химической структуры в виде текстовой строки):
- 62,97% при условии наличия пептида в базе данных;
- не более 50,07% при отсутствии информации о пептиде.
Если изменить способ представления с модели SMILES на простую последовательность аминокислотных остатков, анализ получается более структурированным. Результативность в этом случае доходит до 70,33 / 51,49%. Это становится возможным ввиду снижении сложности, на что влияет снижение длины токена.
Такой подход накладывает требования к аналитическим моделям – теперь поиск ведется на основании последовательности аминокислотных остатков. Это касается всех типов пептидов, начиная с дипептидов.
Так, изучено влияет длины и представленности пептидов в базе данных на производительность информационной модели. При переходе от Vib2Mol SMILES к последовательностям Vib2Mol обнаружены следующие изменения:
- дипептид – с 97,37% до 100% на извлечение и с 86,84% до 94,74% на поиск;
- трипептид – с 81,38% до 95,93% на извлечение и с 65,57% до 82,61% на поиск;
- тетрапептид – с 68,03% до 89,66% на извлечение и с 48,18% до 65,34% на поиск.
После улучшения результативности стало обоснованным добавление нового набора данных – это модификации пептидов. В основу этого легли сульфатирование, фосфорилирование и другие репрезентативные выборки.
Для изучения был взят набор рамановских спектров, собранных для 20 различных аминокислот, 14 дипептидов, 13 трипептидов и 2 тетрапептидов. Перекрестная проверка выполнялась 5 раз, для этого использовали 29 различных многоаминокислотных пептидов.
Этот шаг позволил получить следующие результаты:
- фосфорилирование – с 62,12% до 84,70% на извлечение и с 35,67% до 47,24% на поиск;
- сульфатирование – с 59,70% до 82,69% на извлечение и с 31,94% до 46,37% на поиск;
- усредненное значение – с 65,23% до 85,90% на извлечение и с 33,33% до 46,44% на поиск.
Такие достижения открывают потенциал в биомедицине, фармакологии, иммунологии.
Vib2Mol как платформа
Ценность Vib2Mol – объединение генерации и извлечения данных с целью изучения колебательных спектров пептидов и их переформатирования в структуру для определения молекулярных параметров с учетом предварительных сведений (рамановский и/или инфракрасный спектр).
Среди достоинств этого инструмента – преобразование вибрационного спектра в молекулярную структуру, которое производится с учетом входного пакета информации. Архитектура кодировщика и декодера позволяет автоматическое обучение по многоэтапной схеме.
Это позволяет:
- вести поиск по имеющимся базам данных (retrieval);
- генерировать молекулу пептида «с нуля» (generation de novo);
- использовать спектры инфракрасные (IR) и комбинационного рассеяния (Raman);
- задействовать разные модели для анализа, генерации и извлечения молекул.
Vib2Mol полезен для работы не только с пептидами. Платформа помогает с определением структуры и других типов химических соединений, с предсказанием продуктов химических реакций и посттрансляционных модификаций.
Для решения задач, связанных с химическим составом молекулы, уже применяют следующие подходы и сценарии:
- определение структур, наиболее подходящих под запись в базе данных известных спектров;
- выбор структуры, которая проводит сравнение изучаемой структуры с подходящей из базы данных;
- генерация «темной», неизвестной части молекулярной структуры на основании части известной структуры;
- полная генерация молекулярной структуры на основании сведений из спектра или химической формулы.
Реализация каждого из сценариев требует определенного способа ввода-вывода информации, специфичной логики обработки информации, а также профильной модели. Это делает анализ достаточно сложным.
Vib2Mol упрощает работу с помощью обучения по многофазной стратегии. Платформа изучает межмодальные связи колебательных спектров и молекулярных структур.
Выводы
Исследования пептидов и более сложных молекул требуют оперативной и гибкой адаптации с учетом входной информации и ограничений по химическим свойствам соединений.
Vib2Mol представляет собой унифицированную структуру для работы с молекулярными структурами. Платформа обеспечивает эти условия, позволяя работать над задачами в отраслях химии, биохимии, биологии. Разработка и изучение свойств пептидов становятся ощутимо более достижимыми.
Однако остается ограниченной работа со стереоизомерами, сохраняется разрыв между практикой и теорией, наблюдается ограниченная применимость в направлении полимерных и минеральных систем.