I sistemi di intelligenza artificiale scoprono i progetti per le proteine artificiali

Un team di ricercatori della Pritzker School of Molecular Engineering (PME) dell’Università di Chicago ha recentemente ottenuto un successo nella creazione di un sistema di intelligenza artificiale in grado di creare proteine artificiali completamente nuove analizzando grandi quantità di dati.

Le proteine sono macromolecole essenziali per la costruzione dei tessuti negli esseri viventi e sono fondamentali per la vita delle cellule in generale. Le proteine vengono utilizzate dalle cellule come catalizzatori chimici per far avvenire varie reazioni chimiche e per eseguire compiti complessi. Se gli scienziati riusciranno a capire come progettare proteine artificiali in modo affidabile, potrebbe aprirsi la porta a nuovi metodi per la cattura del carbonio, nuovi metodi per la raccolta di energia e nuovi trattamenti per le malattie. Le proteine artificiali hanno il potere di alterare drasticamente il mondo in cui viviamo. Come riportato da EurekaAlert, una recente scoperta da parte dei ricercatori della PME dell’Università di Chicago ha portato gli scienziati più vicini a questi obiettivi. I ricercatori della PME hanno utilizzato algoritmi di apprendimento automatico per sviluppare un sistema in grado di generare forme di proteine nuove.

Il team di ricerca ha creato modelli di apprendimento automatico addestrati su dati tratti da vari database genetici. Man mano che i modelli imparavano, iniziavano a distinguere schemi sottostanti comuni, regole di design semplici, che consentono la creazione di proteine artificiali. Una volta presi questi schemi e sintetizzati i rispettivi proteini in laboratorio, i ricercatori hanno scoperto che le proteine artificiali create producevano reazioni chimiche che erano approssimativamente altrettanto efficaci di quelle guidate da proteine naturali.

Secondo Joseph Regenstein Professor alla PME UC, Rama Ranganathan, il team di ricerca ha scoperto che i dati del genoma contengono una quantità enorme di informazioni riguardanti le funzioni e le strutture di base delle proteine. Utilizzando l’apprendimento automatico per riconoscere queste strutture comuni, i ricercatori sono stati “in grado di catturare le regole della natura per creare proteine noi stessi”.

I ricercatori si sono concentrati sugli enzimi metabolici per questo studio, in particolare su una famiglia di proteine chiamata corismato mutasi. Questa famiglia di proteine è necessaria per la vita in una vasta gamma di piante, funghi e batteri.

Ranganathan e i suoi collaboratori hanno capito che i database genetici contengono intuizioni che attendevano solo di essere scoperte dagli scienziati, ma che i metodi tradizionali per determinare le regole relative alla struttura e alla funzione delle proteine hanno avuto solo un successo limitato. Il team ha deciso di progettare modelli di apprendimento automatico in grado di rivelare queste regole di design. Le scoperte del modello implicano che nuove sequenze artificiali possono essere create conservando le posizioni degli aminoacidi e le correlazioni nell’evoluzione delle coppie di aminoacidi.

Il team di ricercatori ha creato geni sintetici che codificano sequenze di aminoacidi che producono queste proteine. Hanno clonato batteri con questi geni sintetici e hanno scoperto che i batteri utilizzavano le proteine sintetiche nella loro macchina cellulare, funzionando quasi esattamente come le proteine normali.

Secondo Ranganathan, le regole semplici che il loro sistema di intelligenza artificiale ha distinto possono essere utilizzate per creare proteine artificiali di complessità e varietà incredibili. Come ha spiegato Ranganathan a EurekaAlert:

“Le limitazioni sono molto più piccole di quanto avremmo mai immaginato. C’è una semplicità nelle regole di design della natura, e crediamo che approcci simili possano aiutarci a cercare modelli di design in altri sistemi complessi della biologia, come gli ecosistemi o il cervello”.

Ranganathan e i suoi collaboratori vogliono prendere i loro modelli e generalizzarli, creando una piattaforma che gli scienziati possano utilizzare per capire meglio come sono costruite le proteine e quali effetti hanno. Sperano di utilizzare i loro sistemi di intelligenza artificiale per consentire ad altri scienziati di scoprire proteine che possano affrontare problemi importanti come il cambiamento climatico. Ranganathan e il professore associato Andrew Ferguson hanno creato una società chiamata Evozyne, che mira a commercializzare la tecnologia e a promuoverne l’uso in campi come l’agricoltura, l’energia e l’ambiente.

Capire le somiglianze tra le proteine e le relazioni tra struttura e funzione potrebbe anche aiutare a creare nuovi farmaci e forme di terapia. Sebbene la piegatura delle proteine sia stata a lungo considerata un problema incredibilmente difficile per i computer, le intuizioni da modelli come quello prodotto dal team di Ranganathan potrebbero aiutare ad aumentare la velocità di questi calcoli, facilitando la creazione di nuovi farmaci basati su queste proteine. I farmaci potrebbero essere sviluppati per bloccare la creazione di proteine all’interno dei virus, potenzialmente aiutando nel trattamento di virus nuovi come il coronavirus Covid-19.

Ranganathan e il resto del team di ricerca devono ancora capire come e perché i loro modelli funzionano e come producono progetti di proteine affidabili. L’obiettivo successivo del team di ricerca è capire meglio quali attributi i modelli stanno prendendo in considerazione per arrivare alle loro conclusioni.