вирусология

Исследование посвящено изучению эволюционного давления на белки человека, которые являются мишенями для вирусов. Авторы проанализировали пространственную организацию селективного давления на уровне отдельных аминокислотных остатков, интегрируя карты контактов белок-белковых взаимодействий (PPI) с эволюционными аннотациями. В ходе работы было установлено, что остатки под положительным отбором (способствующие адаптации для уклонения от вируса) пространственно кластеризованы, в то время как остатки под отрицательным отбором (сохраняющие важные функции) распределены по интерфейсу более широко. Особое внимание уделено «миметическим» интерфейсам, которые используются одновременно и вирусами, и эндогенными партнерами организма; в этих зонах адаптивное давление распределено более равномерно, что делает их ключевыми фокусами эволюции. Результаты демонстрируют сложный баланс между адаптацией и функциональными ограничениями, предоставляя высокоточное понимание того, как человеческий протеом эволюционирует в ответ на вирусную нагрузку. Это имеет критическое значение для разработки таргетной терапии, способной учитывать механизмы эволюционной устойчивости вирусных мишеней.

В исследовании представлена инновационная модель DMVHP-IBS, предназначенная для высокоточного прогнозирования взаимодействий между белками вирусов и белками хозяина, а также определения конкретных сайтов их связывания. Методология базируется на динамической интеграции мультимодальных признаков, что позволяет учитывать сложные структурные и функциональные аспекты биомолекул. В отличие от существующих методов, данная модель использует динамический подход к анализу признаков, что значительно повышает точность предсказания в условиях вариативности биологических данных. Ключевым результатом работы является способность системы не только предсказывать факт взаимодействия, но и локализовать участки связывания, что критически важно для разработки таргетных противовирусных препаратов. Практическая значимость исследования заключается в ускорении процесса идентификации потенциальных мишеней для терапии вирусных инфекций, сокращая время на ранних этапах разработки лекарств. Использование ИИ в данном контексте позволяет автоматизировать сложнейшие биоинформатические задачи с высокой степенью достоверности.

Исследователи представили VPF-Class 2.0 — обновлённую систему автоматической классификации вирусных последовательностей на основе таксономии. Система сочетает обнаружение маркерных белковых доменов с лёгкой обучаемой моделью машинного обучения, использующей признаки состава маркеров генома, вместо устаревшего правил-голосования. В контрольных тестах система демонстрирует почти идеальную точность на уровне семейств вирусов и сильную точность на уровне родов, при этом увеличивая покрытие уверенных аннотаций. При практическом пороге уверенности 0.3 производительность соответствует или превосходит аналогичные инструменты в общих таксономических диапазонах. Авторы провели исследование интерпретируемости, связав ошибки с родовой специфичностью активированных маркеров. Система продемонстрирована на реальных данных вириомов с согласованными метками и существенным совпадением с графовыми классификациями. Инструмент доступен в открытом доступе на GitHub для научного сообщества. Разработка важна для понимания вирусного разнообразия, что имеет значение для эпидемиологии и разработки противовирусных препаратов.