Sistemele de inteligență artificială descoperă planuri pentru proteine artificiale

O echipă de cercetători de la Școala de Inginerie Moleculară Pritzker (PME) de la Universitatea din Chicago a reușit recent să creeze un sistem de inteligență artificială care poate crea proteine artificiale complet noi, analizând depozite de date mari.

Proteinele sunt macromolecule esențiale pentru construcția țesuturilor în ființele vii și sunt critice pentru viața celulelor în general. Proteinele sunt utilizate de celule ca catalizatori chimici pentru a face să aibă loc diverse reacții chimice și pentru a efectua sarcini complexe. Dacă oamenii de știință pot figura cum să proiecteze în mod fiabil proteine artificiale, ar putea deschide ușa către noi modalități de captare a carbonului, noi metode de exploatare a energiei și noi tratamente pentru boli. Proteinele artificiale au puterea de a schimba dramatic lumea în care trăim. Așa cum a raportat EurekaAlert, o descoperire recentă a cercetătorilor de la PME Universitatea din Chicago a adus oamenii de știință mai aproape de aceste obiective. Cercetătorii de la PME au utilizat algoritmi de învățare automată pentru a dezvolta un sistem capabil să genereze forme noi de proteine.

Echipa de cercetare a creat modele de învățare automată instruite pe date extrase din diverse baze de date genetice. Pe măsură ce modelele învățau, au început să distingă tipare subiacente comune, reguli simple de proiectare, care permit crearea de proteine artificiale. După ce au luat tiparele și au sintetizat proteinele respective în laborator, cercetătorii au descoperit că proteinele artificiale create au generat reacții chimice care erau aproximativ la fel de eficiente ca cele conduse de proteinele care apar în mod natural.

Conform lui Joseph Regenstein, profesor la PME UC, Rama Ranganathan, echipa de cercetare a descoperit că datele genomice conțin o cantitate masivă de informații cu privire la funcțiile și structurile de bază ale proteinelor. Prin utilizarea învățării automate pentru a recunoaște aceste structuri comune, cercetătorii au fost “capabili să păstreze regulile naturii pentru a crea proteine noi”.

Cercetătorii s-au concentrat pe enzimele metabolice pentru acest studiu, în special o familie de proteine numită chorismate mutază. Această familie de proteine este necesară pentru viață într-o varietate largă de plante, ciuperci și bacterii.

Ranganathan și colaboratorii săi au realizat că bazele de date genetice conțin insight-uri care așteaptă să fie descoperite de oamenii de știință, dar că metodele tradiționale de determinare a regulilor privind structura și funcția proteinelor au avut doar succes limitat. Echipa a încercat să proiecteze modele de învățare automată capabile să dezvăluie aceste reguli de proiectare. Rezultatele modelului sugerează că pot fi create noi secvențe artificiale prin conservarea pozițiilor aminoacizilor și a corelațiilor în evoluția perechilor de aminoacizi.

Echipa de cercetare a creat gene sintetice care codifică secvențe de aminoacizi care produc aceste proteine. Au clonat bacterii cu aceste gene sintetice și au descoperit că bacteriile utilizează proteinele sintetice în mașinăria celulară, funcționând aproape exact ca proteinele normale.

Conform lui Ranganathan, regulile simple pe care le-a distins inteligența artificială pot fi utilizate pentru a crea proteine artificiale de o complexitate și varietate incredibilă. Așa cum a explicat Ranganathan pentru EurekaAlert:

“Constrângerile sunt mult mai mici decât am imaginat vreodată că vor fi. Există o simplitate în regulile de proiectare ale naturii, și credem că abordări similare ne pot ajuta să căutăm modele de proiectare în alte sisteme complexe din biologie, cum ar fi ecosistemele sau creierul”.

Ranganathan și colaboratorii săi doresc să-și generalizeze modelele și să creeze o platformă pe care oamenii de știință o pot utiliza pentru a înțelege mai bine cum sunt construite proteinele și ce efecte au. Speră să utilizeze sistemele lor de inteligență artificială pentru a permite altor oameni de știință să descopere proteine care pot aborda probleme importante, cum ar fi schimbările climatice. Ranganathan și profesorul asociat Andrew Ferguson au creat o companie numită Evozyne, care are ca scop comercializarea tehnologiei și promovarea utilizării sale în domenii precum agricultura, energia și mediul.

Înțelegerea comunalităților dintre proteine și relațiile dintre structură și funcție ar putea ajuta, de asemenea, la crearea de noi medicamente și forme de terapie. Deși îndoirea proteinelor a fost considerată mult timp o problemă incredibil de dificilă pentru calculatoare, insight-urile din modele precum cel produs de echipa lui Ranganathan ar putea ajuta la creșterea vitezei cu care se efectuează aceste calcule, facilitând crearea de noi medicamente pe baza acestor proteine. Medicamentele ar putea fi dezvoltate pentru a bloca crearea de proteine în virusuri, potențial ajutând la tratamentul unor virusuri noi, cum ar fi coronavirusul Covid-19.

Ranganathan și restul echipei de cercetare încă mai au nevoie de a înțelege cum și de ce funcționează modelele lor și cum produc planuri fiabile de proteine. Următorul obiectiv al echipei de cercetare este de a înțelege mai bine ce atribute iau în considerare modelele pentru a ajunge la concluziile lor.