Ny forskning visar hur AI-modellering kan ge insikt i proteinstrukturer

Ny forskning om artificiell intelligens (AI) algoritmer från University of York möjliggör för forskare att utveckla mer kompletta modeller av proteinstrukturer i den mänskliga kroppen. Detta kan ha en stor inverkan på designen av terapier och vacciner.

Forskningen publicerades i tidskriften Nature Structural and Molecular Biology.

Upp till 70 procent av mänskliga proteiner omges och stöds av socker, och detta påverkar hur de ser ut och fungerar. Virus som ligger bakom sjukdomar som COVID-19 och Ebola är också skyddade av socker, och tillägg av dem kallas modifiering.

AlphaFold AI-program

Forskarna utvecklade först programvara som lägger till saknade sockerkomponenter till modeller skapade med ett AI-program kallat AlphaFold, och detta möjliggjorde för dem att studera proteiner djupare. AlphaFold skapades av Google’s DeepMind, och det utför förutsägelser av proteinstrukturer.

Dr. Jon Agiree från kemiska institutionen är senior författare till forskningen, som genomfördes tillsammans med Dr. Elisa Fadda och Carl A. Fogarty från Maynooth University. Det involverade också Haroldas Bagdonas, som är en doktorand vid York Structural Biology Laboratory.

“Proteinerna i den mänskliga kroppen är små maskiner som i sin miljarder utgör vår kött och ben, transporterar vår syre, tillåter oss att fungera och försvarar oss mot patogener. Och precis som en hammare förlitar sig på ett metallhuvud för att slå spetsiga föremål, inklusive spikar, har proteiner specialiserade former och sammansättningar för att utföra sina jobb”, sa Dr. Agiree.

“AlphaFold-metoden för proteinstrukturprediktion har potentialen att revolutionera arbetsflöden inom biologi, vilket tillåter forskare att förstå ett protein och påverkan av mutationer snabbare än någonsin.”

“Men algoritmen tar inte hänsyn till väsentliga modifieringar som påverkar proteinstruktur och funktion, vilket ger oss bara en del av bilden. Vår forskning har visat att detta kan åtgärdas på ett relativt enkelt sätt, vilket leder till en mer komplett strukturprediktion.”

Att göra exakta strukturprediktioner

Genom det nya AlphaFold-programmet och den motsvarande databasen av proteinstrukturer kan forskargruppen göra exakta strukturprediktioner för alla kända mänskliga proteiner, vilket är ett stort steg framåt inom området.

“Det är alltid bra att se en internationell samarbete växa och bära frukt, men detta är bara början för oss”, fortsatte Dr. Agiree. “Vår programvara användes i den glykanska strukturella arbetet som låg till grund för mRNA-vaccinerna mot SARS-CoV-2, men nu finns det så mycket mer vi kan göra tack vare AlphaFold-teknologiska språng. Det är fortfarande i tidiga skeden, men målet är att gå från att reagera på förändringar i en glykansköld till att förutse dem.”