Systémy AI objevily plány pro umělá bílkovina

Tým výzkumníků z Pritzker School of Molecular Engineering (PME) na Chicagské univerzitě nedávno úspěšně vytvořil systém AI, který může vytvářet zcela nové, umělé bílkoviny analýzou velkých dat.

Bílkoviny jsou makromolekuly nezbytné pro stavbu tkání v živých organismech a jsou kritické pro život buněk obecně. Bílkoviny se používají buňkami jako chemické katalyzátory, aby se uskutečnily různé chemické reakce a provedly složité úkoly. Pokud vědci dokážou spolehlivě navrhnout umělé bílkoviny, mohlo by to otevřít dveře k novým způsobům zachycování uhlíku, novým metodám získávání energie a novým léčbám nemocí. Umělé bílkoviny mají sílu dramaticky změnit svět, ve kterém žijeme. Jak uvádí EurekaAlert, nedávný průlom výzkumníků z PME Chicagské univerzity přibližuje vědce k těmto cílům. Výzkumníci z PME využili algoritmy strojového učení k vývoji systému, který je schopen generovat nové formy bílkovin.

Výzkumný tým vytvořil modely strojového učení, které byly trénovány na datech z různých genomických databází. Jak se modely učí, začaly rozpoznávat běžné základní vzory, jednoduchá pravidla návrhu, která umožňují tvorbu umělých bílkovin. Po aplikaci vzorů a syntéze příslušných bílkovin v laboratoři výzkumníci zjistili, že umělé bílkoviny vytvářejí chemické reakce, které jsou přibližně stejně účinné jako ty, které jsou řízeny přirozeně se vyskytujícími bílkovinami.

Podle profesora Josepha Regensteina na PME UC, Rama Ranganathana, výzkumný tým zjistil, že genomová data obsahují obrovské množství informací o základních funkcích a strukturách bílkovin. Používáním strojového učení k rozpoznání těchto běžných struktur výzkumníci byli „schopni zachytit přírodní pravidla, aby vytvořili bílkoviny sami“.

Výzkumníci se zaměřili na metabolické enzymy pro tuto studii, zejména na skupinu bílkovin zvanou chorismát mutáza. Tato bílkovinná rodina je nezbytná pro život v široké škále rostlin, hub a bakterií.

Ranganathan a jeho spolupracovníci si uvědomili, že genomické databáze obsahují poznatky, které čekají na to, aby je objevili vědci, ale že tradiční metody stanovení pravidel týkajících se struktury a funkce bílkovin měly pouze omezený úspěch. Tým se rozhodl navrhnout modely strojového učení, které by mohly odhalit tato pravidla návrhu. Zjištění modelu naznačují, že nové umělé sekvence lze vytvořit konzervací pozic aminokyselin a korelací v evoluci aminokyselinových párů.

Tým výzkumníků vytvořil syntetické geny, které kódovaly sekvence aminokyselin, které produkovaly tyto bílkoviny. Naklonovali bakterie s těmito syntetickými geny a zjistili, že bakterie používaly syntetické bílkoviny ve své buněčné mašinerii, fungovaly téměř stejně jako běžné bílkoviny.

Podle Ranganathana mohou být jednoduchá pravidla, která jejich AI rozpoznala, použita k vytvoření umělých bílkovin neuvěřitelné složitosti a rozmanitosti. Jak Ranganathan vysvětlil EurekaAlert:

“Omezení jsou mnohem menší, než jsme si kdy představovali. Existuje určitá jednoduchost v přírodním návrhu pravidel a věříme, že podobné přístupy by mohly pomoci nám hledat modely pro návrh v jiných složitých biologických systémech, jako jsou ekosystémy nebo mozek.“

Ranganathan a jeho spolupracovníci chtějí své modely zobecnit a vytvořit platformu, kterou mohou vědci použít k lepšímu pochopení, jak jsou bílkoviny konstruovány a jaké účinky mají. Doufají, že pomocí svých systémů AI budou moci ostatní vědci objevit bílkoviny, které mohou řešit důležité otázky, jako je změna klimatu. Ranganathan a asociativní profesor Andrew Ferguson založili společnost Evozyne, která má za cíl komercializovat tuto technologii a propagovat její použití v oblastech, jako je zemědělství, energie a životní prostředí.

Pochopení společných rysů bílkovin a vztahů mezi strukturou a funkcí by mohlo také pomoci při vytváření nových léků a forem terapie. Ačkoli složení bílkovin bylo dlouho považováno za nesmírně obtížný problém pro počítače, poznatky z modelů, jako je ten, který vytvořil Ranganathanův tým, by mohly pomoci zvýšit rychlost těchto výpočtů, usnadňující tvorbu nových léků založených na těchto bílkovinách. Léky by mohly být vyvinuty tak, aby bránily tvorbě bílkovin u virů, potenciálně pomáhající při léčbě i nových virů, jako je koronavirus Covid-19.

Ranganathan a zbytek výzkumného týmu stále potřebují pochopit, jak a proč jejich modely fungují a jak produkují spolehlivé plány bílkovin. Další cílem výzkumného týmu je lépe pochopit, jaké atributy modely berou v úvahu, aby dospěly ke svým závěrům.