Výzkumníci používají algoritmy zpracování přirozeného jazyka k pochopení transformace proteinů

Výzkumníci z University of Maryland nedávno použili techniky zpracování přirozeného jazyka a algoritmy strojového učení k získání poznatků o tom, jak molekuly proteinů přecházejí z jedné formy do jiné. Článek, publikovaný v časopise Nature Communications, je prvním případem, kdy byl algoritmus umělé inteligence použit ke studiu dynamiky biomolekulárních systémů v souvislosti s transformací proteinů.

Molekuly proteinů mohou mít různé formy, ale mechanismy, které způsobují, že protein přechází z jedné formy do druhé, jsou stále somewhat záhadné. Funkce molekuly proteinu je určena její strukturou, a získání lepšího pochopení mechanismů, které ovlivňují strukturu proteinu, by mohlo umožnit vědcům navrhnout cílené léky a určit příčiny onemocnění.

Biologické molekuly nejsou statické, ale neustále se pohybují v reakci na události ve svém prostředí. Environmentální tlaky mohou způsobit, že molekuly přecházejí do různých forem, často velmi náhle. Molekula může náhle změnit strukturu, v procesu, který je velmi podobný odvinutí pružiny. Různé části molekuly se rozvinou a složí, a výzkumníci studovali mezistupně mezi různými molekulárními formami.

Podle Phys.org, Pratyush Tiwary byl hlavním autorem článku a je asistentem profesora na katedře chemie a biochemie a Institutu pro fyzikální vědy a technologie University of Maryland. Podle Tiwaryho lze zpracování přirozeného jazyka použít k modelování transformace a adaptace molekul. Tiwary poznamenává, že molekuly mají určitý “jazyk”, který hovoří, a pohyby, které molekuly dělají, lze přeložit do abstraktního jazyka. Když je tento proces mapování pohybu molekul na jazykové vzory proveden, lze použít techniky zpracování přirozeného jazyka a algoritmy umělé inteligence k “vytvoření biologicky pravdivých příběhů z výsledných abstraktních slov”.

Když molekula přechází z jedné formy do druhé, přechod occurs velmi rychle. Přechod může trvat pouze jednu triliontinu sekundy. Rychlost přechodu činí obtížným pro vědce určit, které parametry ovlivňují proces rozvinutí pomocí metod, jako je spektroskopie nebo dokonce vysokovýkonné mikroskopy. Aby určili, které parametry ovlivňují rozvinutí proteinů, Tiwary a jeho výzkumný tým vytvořili fyzikální modely, které simulovaly proteiny. Komplexní statistické modely byly použity k vytvoření simulací proteinů, které emulovaly strukturu, trajektorii a pohyb molekul. Modely byly pak předány algoritmu strojového učení založenému na technikách zpracování přirozeného jazyka.

Modely zpracování přirozeného jazyka, použité k trénování systému strojového učení, byly podobné algoritmům, používaným v předpovědních textových systémech Gmailu. Simulované proteiny byly považovány za jazyk, ve kterém pohyby molekul byly přeloženy do “písmen”. Písmena byla pak spojena do slov a vět. Algoritmy strojového učení byly schopny naučit se gramatické a syntaktické pravidla za proteinovými strukturami, určující, které formy/pohyby následovaly po jiných formách/pohybech. Algoritmy mohly být pak použity k předpovědi, jak certain proteiny se rozvinou a které formy budou mít.

Výzkumníci použili síť s dlouhou krátkodobou pamětí (LSTM) k analýze proteinových vět. Výzkumný tým také sledoval matematiku, na které byla síť založena, sledující parametry, zatímco síť se učila dynamiku molekulární transformace. Podle výsledků studie, síť používala logiku, podobnou statickému fyzikálnímu konceptu známému jako cestovní entropie. Pokud toto zjištění bude platné, mohlo by to potenciálně vést k zlepšení sítí LSTM. Tiwary vysvětlil, že toto objev odhaluje část černé skříňky LSTM, umožňující výzkumníkům lépe pochopit, které parametry lze optimalizovat pro nejlepší výkon.

Jako testovací případ pro svůj algoritmus, výzkumníci analyzovali biomolekulu nazvanou riboswitch. Riboswitch již byl analyzován pomocí spektroskopie, a když byl riboswitch analyzován systémem strojového učení, předpovězené formy riboswitchu odpovídaly těm, které byly objeveny spektroskopií.

Tiwary doufá, že jejich zjištění umožní výzkumníkům vyvinout cílené léky s menšími vedlejšími účinky. Jak Tiwary vysvětlil prostřednictvím Phys.org:

“Chcete mít silné léky, které vážou velmi silně, ale pouze k tomu, co chcete, aby se vázaly. To můžeme dosáhnout, pokud můžeme pochopit různé formy, které může mít biomolekula, protože můžeme vytvořit léky, které vážou pouze na jednu z těchto specifických forem v příslušném čase a pouze po dobu, kterou chceme.”