Proteinforskare och AI möter varandra

Ett team av proteinforskare vid Rutgers University gick i en tävling mot en datorprogram.

Spoiler-varning: AI vann. Men bara med en hårsmån.

Människor mot AI

Forskarna bestämde sig för att genomföra ett experiment där en människa med djup förståelse för proteindesign och självmontering skulle möta ett artificiellt intelligent datorprogram med prediktiva möjligheter. Vikas Nanda, en forskare vid Center for Advanced Biotechnology and Medicine (CABM) vid Rutgers, var den främsta kandidaten för detta experiment.

Experimentet syftade till att se om människan eller AI kunde göra ett bättre jobb med att förutsäga vilka proteinkedjor som skulle kombineras mest framgångsrikt.

Resultaten publicerades i Nature Chemistry.

Nanda, forskare vid Argonne National Laboratory i Illinois, och flera kollegor runt om i USA sa att tävlingen var “nära men avgjord”. Tävlingen satte Nanda och flera kollegor mot AI-programmet, som vann med en liten marginal.

Forskarna söker mer kunskap om protein-självmontering, eftersom de tror att en bättre förståelse av detta kan leda till design av nya och innovativa produkter för medicinska och industriella användningsområden. En av dessa produkter kan vara artificiell mänsklig vävnad för sår, medan en annan kan vara katalysatorer för nya kemiska produkter.

Nanda är professor vid institutionen för biokemi och molekylärbiologi vid Rutgers Robert Wood Johnson Medical School.

“Trots vår omfattande expertis, gjorde AI lika bra eller bättre på flera datamängder, vilket visar den enorma potentialen för maskinlärning att övervinna mänskliga fördomar”, sa Nanda.

Proteindesign och självmontering

Proteiner består av stora mängder aminosyror som är sammanlänkade, och kedjorna veckar sig för att bilda tredimensionella molekyler med komplexa former. Formen på varje protein, och de aminosyror som ingår i det, bestämmer dess beteende. Forskare som Nanda är involverade i “proteindesign”, vilket innebär att de skapar sekvenser som producerar nya proteiner. Teamet har nyligen designat ett syntetiskt protein som kan snabbt upptäcka VX, en farlig nervgas. Denna nya utveckling kan ha stora implikationer för nya biosensorer och behandlingar.

Proteiner monterar sig själva med andra proteiner för att bilda superstrukturer som är viktiga i biologin. I vissa fall verkar det som om proteinerna följer en design, som när de monterar sig själva till ett skyddande yttre skal av ett virus. Andra gånger monterar de sig själva när de bildar biologiska strukturer som är associerade med vissa sjukdomar.

“Att förstå protein-självmontering är grundläggande för att göra framsteg inom många områden, inklusive medicin och industri”, sa Nanda.

Nanda och fem andra kollegor fick en lista med proteiner och ombads att förutsäga vilka som sannolikt skulle montera sig själva. Förutsägelserna jämfördes sedan med dem från datorprogrammet.

De mänskliga experterna använde tumregler baserade på deras observationer av proteinbeteende i experiment, inklusive mönster av elektriska laddningar och grad av aversion mot vatten. De valde 11 proteiner som de förutsåg skulle montera sig själva, medan AI valde nio proteiner.

Experimentet visade att de mänskliga experterna gjorde sex korrekta förutsägelser av de 11 proteinerna, medan datorprogrammet valde nio.

Experimentet visade också att de mänskliga experterna “föredrog” vissa aminosyror framför andra, vilket ledde till felaktiga val. AI valde korrekt några proteiner med egenskaper som inte gjorde dem uppenbara.

“Vi arbetar för att få en grundläggande förståelse av den kemiska naturen av interaktioner som leder till självmontering, så jag var orolig för att använda dessa program skulle förhindra viktiga insikter”, sa Nanda. “Men vad jag börjar att förstå är att maskinlärning är bara ett verktyg, som vilket annat verktyg som helst.”