Диссертация

Белок-белковые взаимодействия играют ключевую роль в формировании четвертичных структур и функциональных макромолекулярных комплексов, в связи с чем лежат в основе многих физиологических и патофизиологических процессов. Определение аффинности в белок-белковых и белок-пептидных комплексах является сложной задачей, которая напрямую влияет на ранние этапы разработки пептидных и белковых фармацевтических препаратов.

В диссертационной работе предложен новый нейросетевой алгоритм для предсказания аффинности связывания между белками на основе их пространственных структур. Алгоритм использует методы глубинного обучения и позволяет значительно повысить точность предсказаний по сравнению с альтернативными методами. Результаты апробации алгоритма на различных тестовых наборах показали его высокую эффективность и стабильность, что открывает новые возможности для разработки терапевтических средств и изучения белок-белковых взаимодействий.

В рамках апробации разработанного алгоритма были проанализированы особенности интерфейса взаимодействия в разнородных группах белковых комплексов, в частности в комплексах ACE2-RBD спайкового белка коронавирусов. Были выделены важные для связывания взаимодействия, в частности, опосредованные молекулами воды и сделаны предсказания энергии связывания для различных мутантных форм, превосходящие по точности альтернативные подходы.

Также произведена оценка взаимодействий между различными вариантами гистонов, что позволило сопоставить известные характеристики термостабильности нуклеосом с разными замещающими вариантами гистонов с предсказанными значениями свободной энергии Гиббса. По полученным результатам сделаны предположения о вкладе белок-белковых взаимодействий с участием замещающих вариантов гистонов в стабильность нуклеосомы в целом.