Системы ИИ открывают чертежи искусственных белков

Команда исследователей из школы молекулярной инженерии Пritzker (PME) Чикагского университета недавно добилась успеха в создании системы ИИ, способной создавать совершенно новые, искусственные белки, анализируя большие объемы данных.

Белки – это макромолекулы, необходимые для построения тканей в живых организмах и критически важны для жизни клеток в целом. Белки используются клетками в качестве химических катализаторов для осуществления различных химических реакций и выполнения сложных задач. Если ученые смогут понять, как надежно проектировать искусственные белки, это может открыть путь к новым методам улавливания углерода, новым способам получения энергии и новым методам лечения заболеваний. Искусственные белки имеют силу кардинально изменить мир, в котором мы живем. Как сообщает EurekaAlert, недавний прорыв, достигнутый исследователями из PME Чикагского университета, приблизил ученых к этим целям. Исследователи из PME использовали алгоритмы машинного обучения для разработки системы, способной генерировать новые формы белков.

Исследовательская команда создала модели машинного обучения, обученные на данных, полученных из различных геномных баз данных. По мере обучения модели они начали различать общие основные закономерности, простые правила проектирования, которые позволяют создавать искусственные белки. После синтеза соответствующих белков в лаборатории исследователи обнаружили, что искусственные белки создавали химические реакции, которые были примерно так же эффективны, как и те, которые вызывались природными белками.

По словам профессора Джозефа Регенштейна из PME UC, Рамы Ранганатхана, исследовательская команда обнаружила, что геномные данные содержат огромное количество информации о базовых функциях и структурах белков. Используя машинное обучение для распознавания этих общих структур, исследователи смогли “запечатать правила природы для создания белков самих себя”.

Исследователи сосредоточились на метаболических ферментах в этом исследовании, в частности, на семействе белков, называемом хоризматмутазой. Это семейство белков необходимо для жизни в широком разнообразии растений, грибов и бактерий.

Ранганатхан и его коллеги поняли, что геномные базы данных содержат идеи, которые просто ждут, когда их откроют ученые, но традиционные методы определения правил, касающихся структуры и функции белков, имели только ограниченный успех. Команда решила разработать модели машинного обучения, способные раскрыть эти правила проектирования. Результаты модели показывают, что новые искусственные последовательности можно создать, сохраняя позиции аминокислот и корреляции в эволюции пар аминокислот.

Команда исследователей создала синтетические гены, которые кодировали последовательности аминокислот, производящие эти белки. Они клонировали бактерии с этими синтетическими генами и обнаружили, что бактерии использовали синтетические белки в своей клеточной машине, функционируя почти точно так же, как и обычные белки.

По словам Ранганатхана, простые правила, которые их ИИ различил, можно использовать для создания искусственных белков невероятной сложности и разнообразия. Как объяснил Ранганатхан EurekaAlert:

“Ограничения намного меньше, чем мы когда-либо представляли. В природных правилах проектирования есть простота, и мы считаем, что подобные подходы могут помочь нам искать модели для проектирования в других сложных биологических системах, таких как экосистемы или мозг”.

Ранганатхан и его коллеги хотят взять свои модели и обобщить их, создав платформу, которую ученые смогут использовать для лучшего понимания того, как строятся белки и какие эффекты они оказывают. Они надеются использовать свои системы ИИ, чтобы позволить другим ученым открывать белки, которые могут решить важные проблемы, такие как изменение климата. Ранганатхан и доцент Эндрю Фергюсон создали компанию под названием Evozyne, которая направлена на коммерциализацию технологии и ее продвижение в таких областях, как сельское хозяйство, энергетика и окружающая среда.

Понимание общностей между белками и связей между структурой и функцией также может помочь в создании новых лекарств и методов лечения. Хотя проблема складывания белков долгое время считалась чрезвычайно сложной для компьютеров, идеи, полученные из моделей, таких как та, которую создала команда Ранганатхана, могут помочь увеличить скорость этих расчетов, облегчая создание новых лекарств на основе этих белков. Лекарства могут быть разработаны для блокирования создания белков в вирусах, что потенциально может помочь в лечении даже новых вирусов, таких как коронавирус Covid-19.

Ранганатхан и остальная часть исследовательской команды все еще нужно понять, как и почему их модели работают и как они производят надежные чертежи белков. Следующей целью команды является лучшее понимание того, какие атрибуты модели учитывают при принятии своих заключений.