PeSTo: تعلم عميق هندسي خالٍ من المعلمات للتنبؤ الدقيق بواجهات ربط البروتين

البروتينات تمثل المكونات الجزيئية الأساسية للحياة، وهي المسؤولة عن معظم الوظائف البيولوجية نتيجة تفاعلات جزيئية محددة. ومع ذلك، يظل التنبؤ بمناطق الارتباط فيها تحديًا كبيرًا. في هذه الدراسة، نقدّم نموذجًا هندسيًا مُحوّلًا (Geometric Transformer) يعمل مباشرةً على الإحداثيات الذرية التي تم تسميتها فقط بحسب أسماء العناصر. يؤدي هذا النموذج إلى نموذج يُسمى "Transformer هيكل البروتين" (PeSTo)، والذي يتفوق على أحدث التقنيات الحالية في التنبؤ بInterfaces البروتين-البروتين، كما يمكنه التنبؤ بتمييز مناطق الارتباط التي تشمل الأحماض النووية، والدهون، والأنIONS، والجزيئات الصغيرة، بثقة عالية. وبفضل التكلفة الحسابية المنخفضة، يمكنه معالجة كميات كبيرة من البيانات الهيكلية، مثل مجموعات الديناميكا الجزيئية، مما يمكّن من اكتشاف مناطق ارتباط قد تظل غير مرئية في الهياكل الثابتة المُحددة تجريبيًا. علاوة على ذلك، يمكن تحليل التشكّلات الهيكلية المتزايدة التي توفرها التنبؤات الهيكلية من الصفر (de novo)، مما يفتح آفاقًا جديدة لاكتشاف بيولوجيا لم تُستكشَف سابقًا.