Исследователи применили методы глубокого обучения для анализа прионных белков, традиционно считавшихся патогенными агентами, вызывающими нейродегенеративные заболевания. С помощью специализированных алгоритмов удалось выявить скрытые последовательности, обладающие выраженными антимикробными свойствами. Эти пептиды способны эффективно подавлять рост патогенных бактерий, что открывает новые перспективы в разработке антибиотиков нового поколения.
В ходе работы нейросетевые модели проанализировали огромные массивы данных о структуре белков, предсказывая их функциональные возможности на основе аминокислотных последовательностей. Использование ИИ позволило сократить время на поиск потенциально активных соединений, которые ранее оставались незамеченными при классических лабораторных исследованиях. Полученные результаты подтверждают эффективность вычислительных методов в поиске биологически активных молекул с заданными свойствами.
Открытие меняет представление о биологической роли прионов, демонстрируя, что их структура может содержать эволюционно значимые защитные механизмы. Дальнейшие этапы исследования будут сфокусированы на синтезе выявленных пептидов и проверке их безопасности и эффективности в клинических условиях. Данная работа является примером успешного применения машинного обучения для решения фундаментальных задач в биомедицине и фармакологии.