МГУ имени М.В.Ломоносова

В Центре ИИ МГУ предложили способ повысить эффективность проектирования белков Сотрудники Исследовательского центра в сфере искусственного интеллекта МГУ предложили новый подход к вычислительному проектированию белков, взаимодействующих с ДНК и РНК. Метод сочетает несколько механизмов управления построением белковой структуры и позволяет одновременно учитывать качество связывания с нуклеиновыми кислотами и устойчивость самого белка. Подход проверили на 11 комплексах ДНК и РНК. Наилучший результат показало совместное использование двух механизмов управления. Полученные результаты могут быть использованы для дальнейшего развития методов проектирования белков и исследований в области молекулярной биологии и генной терапии.

Компьютерное зрение для роботов и беспилотников сделают точнее #наука_мгу Ученые факультета вычислительной математики и кибернетики МГУ выявили связь между внутренними характеристиками нейросетевых алгоритмов слежения за объектами и точностью их работы. Исследователи показали, что отдельные параметры, формирующиеся в процессе обработки изображения, могут служить индикаторами качества работы модели. Полученные результаты открывают новые возможности для настройки обучения нейросетевых трекеров и повышения их точности. Разработка может найти применение при создании систем компьютерного зрения для робототехники, автономного транспорта, видеонаблюдения и других интеллектуальных технологий. Подробнее — на сайте.

В Центре ИИ МГУ разработали метод для точного прогноза взаимодействий белков Ученые Центра ИИ МГУ разработали модель для прогнозирования силы связывания белков и пептидов. Она одновременно учитывает аминокислотную последовательность, трехмерную структуру и подвижность молекул. При этом для каждого нового комплекса не требуется проводить ресурсоемкое моделирование молекулярной динамики: нейросеть учится учитывать движение молекул еще на этапе обучения. При проверке на независимых данных модель показала меньшую ошибку по сравнению с рассмотренными авторами методами. Точный прогноз силы связывания важен для изучения работы клеток, поиска лекарственных препаратов и оценки последствий мутаций. Новый подход позволяет учитывать то, что белки и особенно гибкие пептиды не являются статичными структурами, а постоянно меняют форму. В дальнейшем исследователи планируют применять модель для оценки влияния мутаций на взаимодействие белков и разрабатывать специализированные решения для комплексов антител с антигенами.