Nyt forskning viser, hvordan AI-modellering kan give indsigt i proteinstrukturer

Nyt forskning i kunstig intelligens (AI)-algoritmer fra University of York gør det muligt for videnskabsmænd at udvikle mere komplette modeller af proteinstrukturerne i den menneskelige krop. Dette kan have en stor indvirkning på designet af terapeutiske midler og vacciner.

Forskningen er offentliggjort i tidsskriftet Nature Structural and Molecular Biology.

Op til 70 procent af menneskelige proteiner er omgivet og understøttet af sukker, og dette har en indvirkning på, hvordan de ser ud og fungerer. Virus, der er skyld i sygdomme som COVID-19 og Ebola, er også beskyttet af sukker, og tilføjelsen af disse kaldes modification.

AlphaFold AI-program

Forskerne udviklede først software, der tilføjer manglende sukkerelementer til modeller, der er skabt med et AI-program kaldet AlphaFold, og dette gjorde det muligt for dem at studere proteiner dybere. AlphaFold er skabt af Google’s DeepMind, og det udfører forudsigelser af proteinstrukturer.

Dr. Jon Agiree fra Kemiafdelingen er hovedforfatter på forskningen, der er udført i samarbejde med Dr. Elisa Fadda og Carl A. Fogarty fra Maynooth University. Det har også involveret Haroldas Bagdonas, der er en ph.d.-studerende ved York Structural Biology Laboratory.

“Proteinerne i den menneskelige krop er små maskiner, der i deres milliarder udgør vores kød og ben, transporterer vores ilt, giver os mulighed for at fungere og forsvare os mod patogener. Og ligesom en hammer afhænger af et metalhoved for at slå på spidse objekter, herunder negle, har proteiner specialiserede former og sammensætninger for at udføre deres opgaver,” sagde Dr. Agiree.

“AlphaFold-metoden for proteinstrukturforudsigelse har potentialet til at revolutionere arbejdsprocesser i biologi, så videnskabsmænd kan forstå et protein og effekten af mutationer hurtigere end nogensinde før.”

“Men algoritmen tager ikke hensyn til essentielle modificationer, der påvirker proteinstruktur og funktion, hvilket giver os kun en del af billedet. Vores forskning har vist, at dette kan løses på en relativt enkel måde, hvilket fører til en mere komplet strukturforudsigelse.”

At lave nøjagtige strukturforudsigelser

Gennem det nye AlphaFold-program og den tilhørende database af proteinstrukturer kan holdet af videnskabsmænd lave nøjagtige strukturforudsigelser for alle kendte menneskelige proteiner, hvilket er et stort skridt fremad i feltet.

“Det er altid dejligt at se en international samarbejdning vokse og bære frugt, men dette er kun begyndelsen for os,” fortsatte Dr. Agiree. “Vores software blev brugt i det glykanske struktur-arbejde, der lå til grund for mRNA-vaccinerne mod SARS-CoV-2, men nu er der så meget mere, vi kan gøre takket være AlphaFold-teknologisk spring. Det er stadig i de tidlige faser, men målet er at gå fra at reagere på ændringer i en glykanskjold til at forudse dem.”