AlphaProteo: Google DeepMinds genombrott inom proteindesign

I det ständigt utvecklande området molekylärbiologi har en av de mest utmanande uppgifterna varit att designa proteiner som kan binda effektivt till specifika mål, såsom virusproteiner, cancmarkörer eller immunsystemkomponenter. Dessa proteinbindare är avgörande verktyg i läkemedelsupptäckt, sjukdomsbehandling, diagnostik och bioteknik. Traditionella metoder för att skapa dessa proteinbindare är tidskrävande, arbetsintensiva och kräver ofta många omgångar av optimering. Men nyliga framsteg inom artificiell intelligens (AI) accelererar dramatiskt denna process.

I september 2024 genomförde Neuralink framgångsrikt en hjärnchip-implantation hos den andra mänskliga deltagaren som en del av sina kliniska prövningar, vilket pressar gränserna för vad hjärndatorgränssnitt kan uppnå. Denna implantation möjliggör för individer att kontrollera enheter enbart genom tankar.

Samtidigt har DeepMinds AlphaProteo dykt upp som ett banbrytande AI-verktyg som designar nya proteiner för att tackla några av biologins största utmaningar. Till skillnad från tidigare modeller som AlphaFold, som förutspår proteinstrukturer, tar AlphaProteo på sig den mer avancerade uppgiften att skapa nya proteinbindare som kan binda till specifika molekylära mål. Denna förmåga kunde dramatiskt accelerera läkemedelsupptäckt, diagnostiska verktyg och till och med utvecklingen av biosensorer. Till exempel har AlphaProteo i tidiga försök framgångsrikt designat bindare för SARS-CoV-2-spikproteinet och proteiner involverade i cancer och inflammation, vilket visar bindningsaffiniteter som var 3 till 300 gånger starkare än existerande metoder.

Vad som gör denna korsning mellan biologi och AI ännu mer tilltalande är hur dessa framsteg inom neurala gränssnitt och proteindesign återspeglar en bredare trend mot bio-digital integration.

År 2024 har framstegen inom integrationen av AI och biologi nått oanade nivåer, vilket driver innovation över hela fält som läkemedelsupptäckt, personlig medicin och syntetisk biologi. Här är en detaljerad titt på några av de viktigaste genombrotten som formar landskapet i år:

1. AlphaFold3 och RoseTTAFold Diffusion: Nästa generations proteindesign

Lanseringen av AlphaFold3 av Google DeepMind har tagit proteinstrukturprediktion till en ny nivå genom att inkorporera biomolekylära komplex och expandera sina prediktioner till att omfatta små molekyler och ligander. AlphaFold3 använder en diffusionsbaserad AI-modell för att förfinare proteinstrukturer, liknande hur AI-genererade bilder skapas från grova skisser. Denna modell är särskilt exakt i att förutsäga hur proteiner interagerar med ligander, med en imponerande 76% noggrannhetsgrad i experimentella tester – långt före sina konkurrenter.

Samtidigt har RoseTTAFold Diffusion också introducerat nya funktioner, inklusive förmågan att designa de novo-proteiner som inte existerar i naturen. Båda systemen förbättras fortfarande i noggrannhet och tillämpning, men deras framsteg förväntas spela en avgörande roll i läkemedelsupptäckt och bioteknisk forskning, vilket potentiellt kan minska den tid som behövs för att designa nya läkemedel​

2. Syntetisk biologi och gengenredigering

Ett annat stort område för framsteg under 2024 har varit inom syntetisk biologi, särskilt inom fältet gengenredigering. CRISPR-Cas9 och andra genetiska ingenjörverktyg har förfinats för mer precis DNA-reparering och gengenredigering. Företag som Graphite Bio (GRPH ) använder dessa verktyg för att reparera genetiska mutationer på en aldrig tidigare skådad nivå av precision, vilket öppnar dörrar för potentiellt botande behandlingar för genetiska sjukdomar. Denna metod, känd som homologisk riktad reparation, utnyttjar kroppens naturliga DNA-reparationsmekanismer för att korrigera felaktiga gener.

Utöver detta har innovationer inom prediktiva off-target-utvärderingar, såsom de som utvecklats av SeQure Dx, förbättrat säkerheten för gengenredigering genom att identifiera oavsiktliga redigeringar och minimera risker. Dessa framsteg är särskilt viktiga för att säkerställa att genterapier är säkra och effektiva innan de tillämpas på mänskliga patienter​

3. Enkelcellssekvensering och metagenomik

Tekniker som enkelcellssekvensering har nått nya höjder under 2024, vilket erbjuder en utanför jämförelse upplösning på cellulär nivå. Detta möjliggör för forskare att studera cellulär heterogenitet, som är särskilt värdefullt i cancerforskning. Genom att analysera enskilda celler inom en tumör kan forskare identifiera vilka celler som är resistenta mot behandling, vilket vägleder mer effektiva terapeutiska strategier.

Samtidigt erbjuder metagenomik djupgående insikter i mikrobiella samhällen, både i human hälsa och miljökontext. Denna teknik hjälper till att analysera mikrobiomet för att förstå hur mikrobiella populationer bidrar till sjukdomar, vilket erbjuder nya vägar för behandlingar som riktar sig mot mikrobiomet direkt​

En spelväxlare inom proteindesign

Proteiner är grundläggande för nästan alla processer i levande organismer. Dessa molekylära maskiner utför en stor mängd funktioner, från att katalysera metaboliska reaktioner till att replikera DNA. Vad som gör proteiner så mångsidiga är deras förmåga att vecka sig till komplexa tredimensionella former, vilket möjliggör interaktioner med andra molekyler. Proteinbindare, som binder starkt till specifika målmolekyler, är avgörande för att reglera dessa interaktioner och används ofta i läkemedelsutveckling, immunoterapier och diagnostiska verktyg.

Den traditionella processen för att designa proteinbindare är långsam och bygger tungt på trial and error. Forskare måste ofta gå igenom stora bibliotek av proteinsekvenser, testa varje kandidat i laboratoriet för att se vilka som fungerar bäst. AlphaProteo ändrar på denna paradigm genom att utnyttja kraften från djupinlärning för att förutsäga vilka proteinsekvenser som kommer att binda effektivt till en målmolekyl, vilket dramatiskt minskar den tid och kostnad som är associerad med traditionella metoder.

Hur AlphaProteo fungerar

AlphaProteo bygger på samma djupinlärningsprinciper som gjorde dess föregångare, AlphaFold, till ett banbrytande verktyg för proteinstrukturprediktion. Men medan AlphaFold fokuserar på att förutsäga strukturen hos existerande proteiner, tar AlphaProteo ett steg längre genom att designa helt nya proteiner.

Hur AlphaProteo fungerar: En djupdykning i AI-driven proteindesign

AlphaProteo representerar ett stort steg framåt inom AI-driven proteindesign, byggande på de djupinlärningstekniker som drev dess föregångare, AlphaFold.

Medan AlphaFold revolutionerade fältet genom att förutsäga proteinstrukturer med en aldrig tidigare skådad noggrannhet, går AlphaProteo längre genom att skapa helt nya proteiner designade för att lösa specifika biologiska utmaningar.

AlphaProteos underliggande arkitektur är en sofistikerad kombination av en generativ modell tränad på stora dataset av proteinstrukturer, inklusive de från Protein Data Bank (PDB), och miljontals predikterade strukturer genererade av AlphaFold. Detta möjliggör för AlphaProteo att inte bara förutsäga hur proteiner veckar sig, utan också designa nya proteiner som kan interagera med specifika molekylära mål på en detaljerad, molekylär nivå.

Denna diagram visar AlphaProteos arbetsflöde, där proteinbindare designas, filtreras och experimentellt valideras

• Generator: AlphaProteos maskinlärningsbaserade modell genererar många potentiella proteinbindare, med hjälp av stora dataset som de från Protein Data Bank (PDB) och AlphaFold-prediktioner.
• Filter: En kritisk komponent som poängsätter dessa genererade bindare baserat på deras sannolikhet att lyckas binda till målproteinet, vilket effektivt minskar antalet design som behöver testas i laboratoriet.
• Experiment: Detta steg innefattar testning av de filtrerade designerna i ett laboratorium för att bekräfta vilka bindare som effektivt interagerar med målproteinet.

AlphaProteo designar bindare som specifikt riktar sig mot viktiga hotspot-residuer (i gul) på ytan av ett protein. Den blå delen representerar den designade bindaren, som är modellerad för att interagera exakt med de markerade hotspot på målproteinet.

För den C-delen av bilden; den visar 3D-modellerna av målproteinerna som används i AlphaProteos experiment. Dessa inkluderar terapeutiskt signifikanta proteiner involverade i olika biologiska processer, såsom immunsvar, virusinfektioner och cancerrprogression.

AlphaProteos avancerade funktioner

1. Hög bindningsaffinitet: AlphaProteo excellerar i att designa proteinbindare med hög affinitet för sina mål, överträffande traditionella metoder som ofta kräver många omgångar av laboratoriebaserad optimering. Det genererar proteinbindare som binder starkt till sina avsedda mål, vilket signifikant förbättrar deras effektivitet i tillämpningar som läkemedelsutveckling och diagnostik. Till exempel visade dess bindare för VEGF-A, ett protein associerat med cancer, bindningsaffiniteter upp till 300 gånger starkare än existerande metoder​.
2. Riktning mot diverse proteiner: AlphaProteo kan designa bindare för en bred range av proteiner involverade i kritiska biologiska processer, inklusive de som är länkade till virusinfektioner, cancer, inflammation och autoimmuna sjukdomar. Det har varit särskilt framgångsrikt i att designa bindare för mål som SARS-CoV-2-spikproteinet, essentiellt för COVID-19-infektion, och det cancerrelaterade proteinet VEGF-A, som är avgörande i terapier för diabetisk retinopati​.
3. Experimentell framgångsgrad: En av AlphaProteos mest imponerande funktioner är dess höga experimentella framgångsgrad. I laboratorietester visade systemets designade bindare hög framgång i att binda till målproteinerna, vilket minskar antalet experimentella omgångar som vanligtvis krävs. I tester på det virala proteinet BHRF1 hade AlphaProteos design en 88% framgångsgrad, en signifikant förbättring jämfört med tidigare metoder​.
4. Optimeringsfri design: Till skillnad från traditionella tillvägagångssätt, som ofta kräver flera omgångar av optimering för att förbättra bindningsaffiniteten, kan AlphaProteo generera bindare med starka bindningsegenskaper från början. För vissa utmanande mål, såsom det cancerassocierade proteinet TrkA, producerade AlphaProteo bindare som överträffade de som utvecklats genom omfattande experimentell optimering​.

Experimentell framgångsgrad (Vänster graf) – Bästa bindningsaffinitet (Höger graf)

• AlphaProteo överträffade traditionella metoder över de flesta mål, särskilt med en 88% framgångsgrad med BHRF1, jämfört med knappt 40% med tidigare metoder.
• AlphaProteos framgång med VEGF-A och IL-7RA var betydligt högre, vilket visar dess förmåga att tackla svåra mål inom cancerterapier.
• AlphaProteo genererar också konsekvent bindare med mycket högre bindningsaffiniteter, särskilt för utmanande proteiner som VEGF-A, vilket gör det till ett värdefullt verktyg i läkemedelsutveckling och sjukdomsbehandling.

Hur AlphaProteo främjar tillämpningar inom biologi och hälsovård

AlphaProteos nya tillvägagångssätt för proteindesign öppnar upp en bred range av tillämpningar, vilket gör det till ett kraftfullt verktyg inom flera områden av biologi och hälsovård.

1. Läkemedelsutveckling

Modern läkemedelsupptäckt bygger ofta på små molekyler eller biologiska substanser som binder till sjukdomsrelaterade proteiner. Men att utveckla dessa molekyler är ofta tidskrävande och dyrt. AlphaProteo accelererar denna process genom att generera proteinbindare med hög affinitet som kan fungera som grunden för nya läkemedel. Till exempel har AlphaProteo använts för att designa bindare för PD-L1, ett protein involverat i immunsystemets reglering, som spelar en nyckelroll i cancerimmunterapier​. Genom att hämma PD-L1 kan AlphaProteos bindare hjälpa immunsystemet att bättre identifiera och eliminera cancerceller.

2. Diagnostiska verktyg

Inom diagnostik kan proteinbindare designade av AlphaProteo användas för att skapa högkänsliga biosensorer som kan upptäcka sjukdomsspecifika proteiner. Detta kan möjliggöra mer exakta och snabba diagnostiska verktyg för sjukdomar som virusinfektioner, cancer och autoimmuna sjukdomar. Till exempel kan AlphaProteos förmåga att designa bindare för SARS-CoV-2 leda till snabbare och mer precisa diagnostiska verktyg för COVID-19​.

3. Immunoterapi

AlphaProteos förmåga att designa högst specifika proteinbindare är särskilt värdefull inom fältet immunoterapi. Immunoterapier utnyttjar kroppens immunsystem för att bekämpa sjukdomar, inklusive cancer. En av de stora utmaningarna inom detta fält är att utveckla proteiner som kan binda till och reglera immunsvar effektivt. Med AlphaProteos precision i att rikta specifika proteiner på immunceller kan det förbättra utvecklingen av nya, mer effektiva immunoterapier​.

4. Bioteknik och biosensorer

AlphaProteo-designade proteinbindare är också värdefulla inom bioteknik, särskilt i skapandet av biosensorer – enheter som används för att upptäcka specifika molekyler i olika miljöer. Biosensorer har tillämpningar som sträcker sig från miljöövervakning till livsmedelssäkerhet. AlphaProteos bindare kan förbättra känsligheten och specificiteten hos dessa enheter, vilket gör dem mer tillförlitliga för att upptäcka skadliga substanser​.

Begränsningar och framtida riktningar

Som med alla nya teknologier är AlphaProteo inte utan begränsningar. Till exempel kämpade systemet för att designa effektiva bindare för proteinet TNF𝛼, ett utmanande mål associerat med autoimmuna sjukdomar som reumatoid artrit. Detta visar att medan AlphaProteo är mycket effektivt för många mål, har det fortfarande utrymme för förbättring.

DeepMind arbetar aktivt med att expandera AlphaProteos funktioner, särskilt i att tackla utmanande mål som TNF𝛼. Teamet undersöker också nya tillämpningar för teknologin, inklusive att använda AlphaProteo för att designa proteiner för växtförbättring och miljömässig hållbarhet.

Slutsats

Genom att dramatiskt minska den tid och kostnad som är associerad med traditionella proteindesignmetoder, accelererar AlphaProteo innovation inom biologi och medicin. Dess framgång i att skapa proteinbindare för utmanande mål som SARS-CoV-2-spikproteinet och VEGF-A visar dess potential att tackla några av de mest pressande hälsoutmaningarna i vår tid.

Såsom AlphaProteo fortsätter att utvecklas, kommer dess påverkan på vetenskap och samhälle bara att öka, vilket erbjuder nya verktyg för att förstå liv på molekylär nivå och låsa upp nya möjligheter för att behandla sjukdomar.