AI on simuloitu 500 miljoonan vuoden evoluutio – ja luonut uuden proteiinin!

Evoluutio on viimeistellyt elämää molekyylitasolla miljardeja vuosia. Proteiinit, elämän perusrakennusosat, ovat kehittyneet tällä prosessilla suorittamaan erilaisia biologisia funktioita, aina infektioiden torjumisesta ruoan sulattamiseen. Nämä monimutkaiset molekyylit koostuvat pitkistä aminohappoketjuista, jotka on järjestetty tarkasti määrättyihin järjestyksiin, jotka määräävät niiden rakenteen ja toiminnan. Vaikka luonto on tuottanut erinomaisen monimuotoisen valikoiman proteiineja, niiden rakenteen ymmärtäminen ja kokonaan uusien proteiinien suunnittelu on ollut pitkään tieteilijöille haasteellinen tehtävä.

Viimeaikaiset edistysaskeleet tekoälyssä muuttavat kykyämme ratkaista biologian suurimpia haasteita. Aikaisemmin tekoälyä käytettiin ennustamaan, miten annettu proteiinisekvenssi tulisi muodostumaan ja käyttäytyä – monimutkainen haaste johtuen mahdollisten konfiguraatioiden valtavasta määrästä. Viimeaikaiset edistysaskeleet ovat kuitenkin mahdollistaneet tekoälylle kokonaan uusien proteiinien generoimisen ennennäkemättömällä skaalalla. Tämä merkittävä saavutus on tehty ESM3:lla, monimodaalisella generatiivisella kielen mallilla, jonka on suunnitellut EvolutionaryScale. Toisin kuin perinteiset tekoälyjärjestelmät, jotka on suunniteltu tekstinkäsittelyyn, ESM3 on koulutettu ymmärtämään proteiinisekvenssejä, -rakenteita ja -funktioita. Se, mitä tekee siitä todella merkittävän, on sen kyky simuloida 500 miljoonan vuoden evoluutiota – saavutus, joka on johtanut kokonaan uuden fluoresoivan proteiinin luomiseen, jota ei ole aiemmin nähty luonnossa.

Tämä läpimurto on merkittävä askel biologian ohjelmoitavuuden kehittämisessä, avaen uusia mahdollisuuksia mukautettujen proteiinien suunnittelulle sovelluksilla lääketieteessä, materiaalitieteessä ja muilla aloilla. Tässä artikkelissa tutkimme, miten ESM3 toimii, mitä se on saavuttanut ja miksi tämä edistysaskel muuttaa biologian ja evoluution ymmärtämistämme.

Tutustu ESM3:lle – Tekoäly, joka simuloi evoluutiota

ESM3 on monimodaalinen kielen malli, joka on koulutettu ymmärtämään ja generoimaan proteiineja analysoimalla niiden sekvenssejä, rakenteita ja funktioita. Toisin kuin AlphaFold, joka voi ennustaa olemassa olevien proteiinien rakenteen, ESM3 on perimmältään proteiinien suunnittelumalli, joka sallii tutkijoille määritellä toiminnalliset ja rakenteelliset vaatimukset suunnitellaan kokonaan uusia proteiineja.

Malli sisältää syvällisen tietämyksen proteiinisekvensseistä, -rakenteista ja -funktiosta sekä kyvyn generoida proteiineja vuorovaikutuksen kautta käyttäjien kanssa. Tämä kyky mahdollistaa mallille generoida proteiineja, jotka eivät välttämättä ole olemassa luonnossa, mutta ovat silti biologisesti kelvollisia. Uuden vihreän fluoresoivan proteiinin (esmGFP) luominen on häikäisevä esimerkki tästä kyvystä. Fluoresoivat proteiinit, jotka alun perin löydettiin meduusoista ja koralleista, ovat laajalti käytettyjä lääketieteellisessä tutkimuksessa ja biotekniikassa. EsmGFP:n kehittämiseksi tutkijat antoivat ESM3:lle tärkeät rakenteelliset ja toiminnalliset ominaisuudet tunnetuista fluoresoivista proteiineista. Malli sitten iteratiivisesti paransi suunnittelua soveltamalla ketjuajattelun lähestymistapaa optimoida sekvenssi. Vaikka luonnon evoluutio voisi kestää miljoonia vuosia tuottaa samanlainen proteiini, ESM3 kiihdyttää tätä prosessia saavuttaakseen sen päivissä tai viikoissa.

Tehtäväkohtaisen proteiinisuunnittelun prosessi

Tässä on, miten tutkijat ovat käyttäneet ESM3:ia kehittämään esmGFP:ää:

1. Tehtävän anto – Aluksi he syöttivät sekvenssi- ja rakennetta koskevat vihjeet ESM3:lle, jotta se voisi suunnata fluoresenssiin liittyviä piirteitä.
2. Uusien proteiinien generointi – ESM3 tutki laajan mahdollisten sekvenssien avaruutta tuottaakseen tuhansia ehdokasproteiineja.
3. Suodatus ja hienosäätö – Lupaavimmat suunnitelmat suodatettiin ja syntetisoitiin laboratoriotestaukseen.
4. Todentaminen elävissä soluissa – Valitut tekoälysuunnitellut proteiinit ilmennettiin bakteereissa vahvistaakseen niiden fluoresenssin ja toimivuuden.

Tämä prosessi on johtanut fluoresoivan proteiinin (esmGFP) luomiseen, joka poikkeaa luonnon proteiineista.

Miten esmGFP vertautuu luonnon proteiineihin

Se, mikä tekee esmGFP:stä poikkeuksellisen, on se, kuinka kaukana se on tunnetuista fluoresoivista proteiineista. Vaikka useimmat uudelleen löydetyt GFP:t ovat vain hieman erilaisia kuin olemassa olevat, esmGFP:n sekvenssi on vain 58%:sesti samanlainen kuin sen lähin luonnollinen sukulainen. Evoluutioon perustuen tämä ero vastaa yli 500 miljoonan vuoden divergenssiaika.

Vertaamalla tätä siihen, viimeksi kun proteiinit, joilla on vastaava evoluutioero, ilmestyivät, dinosauruksia ei ollut vielä näkynyt, ja monisoluiset elämänmuodot olivat vasta alkuvaiheessaan. Tämä tarkoittaa, että tekoäly ei ole vain kiihdyttänyt evoluutiota – se on simuloitu kokonaan uuden evoluutiokehän, tuottaen proteiineja, joita luonto ei ehkä koskaan olisi luonut.

Miksi tämä löytö on merkittävä

Tämä kehitys on merkittävä askel proteiinisuunnittelussa ja syventää ymmärtämystämme evoluutiosta. Simuloimalla miljoonia vuosia evoluutiota vain päivissä, tekoäly avaa ovia jännittäviin uusiin mahdollisuuksiin:

• Nopeampi lääkekehitys: Monet lääkkeet toimivat kohdistamalla tiettyjä proteiineja, mutta oikeiden löytäminen on hidasta ja kallista. Tekoälysuunnitellut proteiinit voivat nopeuttaa tätä prosessia, auttaen tutkijoita löytämään uusia hoitokeinoja tehokkaammin.
• Uudet ratkaisut biotekniikassa: Proteiineja käytetään kaikessa aina muovijätteen hajottamisesta sairauksien havaitsemiseen. Tekoälyohjatun suunnittelun avulla tutkijat voivat luoda mukautettuja proteiineja terveydenhuoltoon, ympäristönsuojeluun ja jopa uusiin materiaaleihin.
• Tehtäväkohtainen evoluutio: Yksi tämän tutkimuksen mielenkiintoisimmista puolista on, että se asettaa tekoälyn evoluution simulaattoriksi eikä vain analyysityökaluksi. Perinteiset evoluutiosimulaatiot käyttävät usein geneettisiä mutaatioita, jotka voivat kestää kuukausia tai vuosia tuottaa kelvollisia ehdokkaita. ESM3 kuitenkin ohittaa nämä hitaat rajoitukset ennustaen suoraan toimivia proteiineja. Tämä lähestymistapan muutos tarkoittaa, että tekoäly ei vain jäljittele evoluutiota vaan voi myös aktiivisesti tutkia evoluution mahdollisuuksia luonnon ulkopuolella. Riittävän laskentakapasiteetin kanssa tekoälyvoittoinen evoluutio voi paljastaa uusia biokemiallisia ominaisuuksia, joita ei ole aiemmin ollut luonnossa.

Eettiset huomioonotot ja vastuullinen tekoälykehitys

Vaikka tekoälyohjatun proteiinisuunnittelun potentiaaliset hyödyt ovat valtavat, tämä teknologia herättää myös eettisiä ja turvallisuuskysymyksiä. Mitä tapahtuu, kun tekoäly alkaa suunnitella proteiineja, joita ihminen ei ymmärrä? Miten varmistamme, että nämä proteiinit ovat turvallisia lääketieteelliseen tai ympäristöön käyttöön?

Meidän on keskityttävä vastuulliseen tekoälykehitykseen ja perusteelliseen testaukseen ratkaisemaan nämä huolenaiheet. Tekoälygeneroituja proteiineja, kuten esmGFP:tä, tulee käydä läpi perusteellisessa laboratoriotestauksessa ennen kuin niitä voidaan harkita käytettäväksi. Lisäksi kehitetään eettisiä kehyksiä tekoälybiologiaan varmistamaan avoimuus, turvallisuus ja yleisen luottamuksen.

Lopputulos

ESM3:n lanseeraus on tärkeä kehitys biotekniikan alalla. ESM3 osoittaa, että evoluution ei tarvitse olla hidasta, koetteluureita. Pienentämällä 500 miljoonan vuoden proteiinievoluution muutamiin päiviin avautuu tulevaisuus, jossa tutkijat voivat suunnitella kokonaan uusia proteiineja uskomattomalla nopeudella ja tarkkuudella. ESM3:n kehitys tarkoittaa, että voimme käyttää tekoälyä ei vain biologian ymmärtämiseen vaan myös muokkaamiseen. Tämä läpimurto auttaa meitä kehittämään biologian ohjelmoitavuutta ohjelmistojen tapaan, avaen mahdollisuuksia, joita emme ole vielä edes kuvitelleet.