Forsker bruger naturlig sprogbehandling til at forstå proteintransformation

Forskere fra University of Maryland har nylig anvendt naturlig sprogbehandling og maskinlæringsalgoritmer til at få indsigt i, hvordan proteinmolekyler skifter fra en form til en anden form. Den nyeste artikel, der er offentliggjort i tidsskriftet Nature Communications, er den første gang, en AI-algoritme er blevet brugt til at studere dynamikken af biomolekylære systemer i forhold til proteintransformation.

Proteinmolekyler kan antage forskellige former, men mekanismerne, der får en protein til at skifte fra en form til en anden, er stadig noget mysteriøse. Funktionen af en proteinmolekyle er defineret af dets form, og en bedre forståelse af mekanismerne, der påvirker formen/strukturen af en protein, kunne muligvis enable forskere til at designe målrettede lægemidler og bestemme årsagen til sygdomme.

Biologiske molekyler er ikke stillestående, de bevæger sig konstant i respons til begivenheder i deres omgivelser. Miljømæssige påvirkninger kan få molekyler til at skifte til forskellige former, ofte meget pludseligt. En molekyle kan pludseligt omdanne sig til en helt anden struktur, i en proces, der er meget lig uncoiling af en fjeder. Forskere har studeret de mellemstadier mellem de forskellige molekylære former.

Ifølge Phys.org var Pratyush Tiwary den seniorforfatter af artiklen og er en adjunktprofessor på Marylands afdeling for kemi og biokemi og institut for fysisk videnskab og teknologi. Ifølge Tiwary kan naturlig sprogbehandling bruges til at modellere, hvordan molekyler transformerer og tilpasser sig. Tiwary bemærker, at molekyler har et visst “sprog”, som de taler, med de bevægelser, molekylerne foretager, kan oversættes til et abstrakt sprog. Når denne proces af at kortlægge molekylbevægelser til sprogpatroner udføres, kan naturlig sprogbehandlingsteknikker og AI-algoritmer bruges til at “generere biologisk sande historier ud af de resulterende abstrakte ord”.

Når en molekyle skifter fra en form til en anden form, sker overgangen ekstremt hurtigt. Overgangen kan kun tage så lang tid som en trilliondel af et sekund. Den ekstreme hastighed af overgangen gør det svært for forskere at bestemme, hvilke parametre påvirker udpakningsprocessen ved hjælp af metoder som spektroskopi eller endda højtydende mikroskoper. For at bestemme, hvilke parametre påvirker udpakningen af proteiner, skabte Tiwary og resten af forskningsholdet fysikmodeller, der simulerede proteiner. Komplekse statistiske modeller blev brugt til at skabe proteinsimulationer, der emulerede formen, banen og bevægelsen af molekylerne. Modellerne blev derefter givet til en maskinlæringsalgoritme baseret på naturlig sprogbehandling.

De naturlige sprogbehandlingsmodeller, der blev brugt til at træne maskinlærningssystemet, var meget lig de algoritmer, der blev brugt i de prædiktive tekstsystemer, som Gmail anvender. De simulerede proteiner blev behandlet som et sprog, hvor molekylerne bevægelser blev oversat til “bogstaver”. Bogstaverne blev derefter forbundet til at danne ord og sætninger. Maskinlæringsalgoritmene kunne derefter lære de grammatikalske og syntaktiske regler bag proteinstrukturen, bestemme, hvilke former/bevægelser fulgte andre former/bevægelser. Algoritmene kunne derefter bruges til at forudsige, hvordan bestemte proteiner ville udpakke og hvilke former de ville antage.

Forskerne anvendte en lang korttids hukommelse (LSTM) netværk til at analysere proteinbaserede sætninger. Forskningsholdet beholdt også matematikken, som netværket var baseret på, overvågede parametrene, mens netværket lærte dynamikken af molekylær transformation. Ifølge resultaterne af studiet anvendte netværket logik, der var lignende en statistisk fysisk koncept kendt som sti-entropi. Hvis denne opdagelse holder konstant, kunne det potentielt føre til forbedringer i LSTM-netværk. Tiwary forklarede, at opdagelsen fjerner noget af den sorte kasse-natur af en LSTM, hvilket giver forskere mulighed for bedre at forstå, hvilke parametre kan justeres for optimal præstation.

Som et testtilfælde for deres algoritme analyserede forskerne et biomolekyle kaldet riboswitch. Riboswitch var allerede blevet analyseret ved hjælp af spektroskopi, og da riboswitch blev analyseret med maskinlærningssystemet, matchede de forudsagte riboswitch-former dem, der var opdaget ved hjælp af spektroskopi.

Tiwary håber, at deres fund vil give forskere mulighed for at udvikle målrettede lægemidler med færre bivirkninger. Som Tiwary forklarede via Phys.org:

“Du vil have kraftfulde lægemidler, der binder meget stærkt, men kun til det, du vil have dem til at binde til. Vi kan opnå det, hvis vi kan forstå de forskellige former, som en given biomolekyle kan antage, fordi vi kan skabe lægemidler, der binder kun til en af disse specifikke former på det rette tidspunkt og kun så længe, som vi ønsker.”