Научно-учебная лаборатория био- и хемоинформатики создана в 2023 году в составе факультета физико-математических и компьютерных наук НИУ ВШЭ Санкт-Петербург, в рамках проекта «Молекулярная эволюция, подвижность белков и компьютерное молекулярное конструирование».

Направления исследований лаборатории:

• Изучение структуры, свойств, моделирование сложных биологических молекулярных систем в свете исследований социально значимых заболеваний;
• Поиск новых мишеней, вовлечённых в процессы патогенеза заболеваний человека;
• Разработка низкомолекулярных соединений для таргетной терапии заболеваний.

О лаборатории

Цели

Созданная научно-учебная лаборатория преследует цель обучения специалистов в области молекулярного моделирования, создания программных алгоритмов и модулей, для анализа и моделировании эволюционных явлений в биологических структурах. Особое внимание уделяется изучению биологических систем, аффилированных с социально значимыми заболеваниями. Например: онкология, метаболические расстройства, заболевания вирусного или бактериального генеза.

Задачи

• Исследование динамики сложных биологических систем в присутствии низкомолекулярных интерактантов;
• Разработка методов и алгоритмов моделирования молекулярной структуры биологических объектов;
• Прогноз биологической активности и физических свойств;
• Моделирование биологических молекул и их взаимодействий;
• Молекулярный дизайн биологически активных малых молекул;
• Поиск низкомолекулярных соединений, актуальных в качестве компонентов таргетной терапии заболеваний.

Актуальность проводимых в лаборатории исследований связана с необходимостью поиска новых мишеней и разработки новых лекарственных препаратов для терапии социально значимых заболеваний. Интерес к данной области исследований подогревается растущим влиянием явления множественной лекарственной резистентности. Особое значение, данная проблема, имеет в области терапии злокачественных новообразований, а также в сфере лечения инфекционных заболеваний.

Возросший уровень глобализации и международных контактов фактически убирает межпопуляционные границы что приводит к практически неограниченному переносу возбудителей инфекционных заболеваний по миру. Ярким примером послужил локдаун 2020-2021 года, связанный с пандемией SARS-CoV-2. При этом, пандемия способствовала росту неконтролируемого потребления антибиотиков, что привело к увеличению антибиотикорезистентности бактериальных инфекций.

Методы молекулярного моделирования, в сочетании с машинным обучением дают возможность более глубокого и детального изучения механизмов лекарственной резистентности, что обеспечивает базис для развития препаратов новых поколений, с более высоким терапевтическим эффектом, сниженной токсичностью, контролируемыми побочными эффектами.

Направления научной деятельности

Прикладная математика, теория вероятностей и программирование в биологии и фундаментальной медицине

     Проблема «эволюционного пространства гена» или «пространства последовательностей (протеиновых и нуклеотидных)» известна уже немалое время. Однако наиболее известные работы по этой теме (по запросу «sequence space» в PubMed) апеллируют к чисто эволюционным аспектам этой проблемы (эволюционные и адаптивные ландшафты). Однако в проблеме пространства последовательностей есть и чисто геометрический аспект, заключающийся в корректном переносе попарных эволюционных расстояний из соответствующей матрицы в метрическое/неметрическое пространство.

     Первые попытки исследований проведены коллективом лаборатории около восьми лет назад, однако эскиз эволюционного пространства и, в особенности, методы, использованные при его построении, не были достаточно точными. Однако проблема, выявления скрытых эволюционных паттернов, имеющих очевидные фундаментально важные свойства, по-прежнему, высоко актуальна.

     В рамках проекта с максимально возможной математической точностью решается задача переноса матрицы попарных расстояний в адекватное пространство с последующей визуализацией. Работы выполняются в коллаборации с ВНИИ Сельхозмикробиологии и НИИ Гриппа, а также с учеными Пизанского Университета и Университета Тюбингена.

Применение методов машинного обучения к задачам структурной биологии белков

     В лаборатории реализуется разработка методов быстрого и точного прогнозирования подвижности белков с применением искусственных нейронных сетей. Суть метода заключается в снижении вычислительной нагрузки и увеличении производительности расчётов при изучении динамики сложных молекулярных систем, включающих один или несколько крупных белков.

     Отдельно стоит задача моделирования структур белков в условиях отсутствия экспериментально разрешённых трёхмерных моделей их структуры, или наличия фрагментированных данных, не раскрывающих полноразмерной модели белка.

Структурная биоинформатика и компьютерный молекулярный дизайн

     Данное направление работы лаборатории является прикладным. В его рамках решаются практические задачи, связанные с молекулярным дизайном физиологически активных веществ, обладающих мишень-специфическими свойствами.

     Данное направление задействует широкий спектр методов молекулярного моделирования, от одностадийного докинга до использования молекулярной динамики, метадинамики, FEP+.

     Исследования проводятся в связке с химиками-синтетиками и биологами из СПбГУ, СПбГТИ(ТУ) и ПСПбГМУ.

Исследования затрагивают следующие темы: антибиотики, противовирусные агенты, противоопухолевые препараты, терапия диабета и других метаболических расстройств, индукторы плюрипотентности клеток.

Оборудование

Комплекс HPC-серверов на базе центральных процессоров Intel Xeon/AMD а также GPU Nvidia, предназначенный для решения вычислительных задач моделирования и машинного обучения.

Конкурсы РФФИ и РНФ

Коллаборация с ФГБУН ИНЦ РАН: Грант РНФ 23-75-10096 «Механизмы функционирования транскрипционных факторов Oct4, Sox2, Nanog и Pcbp1 в динамике плюрипотентности».