Forskare använder naturlig språkbehandling för att förstå proteintransformation

Forskare från University of Maryland har nyligen tillämpat naturlig språkbehandling och maskinläringsalgoritmer för att få insikt i hur proteinkedjor förändras från en form till en annan. Den nyligen publicerade artikeln i tidskriften Nature Communications är det första tillfället då en AI-algoritm har använts för att studera dynamiken i biomolekylära system i förhållande till proteintransformation.

Proteinkedjor kan ta på sig olika former, men mekanismerna som gör att en protein förändras från en form till en annan är fortfarande ganska mystiska. Funktionen hos en proteinkedja bestäms av dess form, och en bättre förståelse av de mekanismer som påverkar formen/strukturen hos en protein kan göra det möjligt för forskare att utveckla riktade läkemedel och fastställa orsaken till sjukdomar.

Biologiska molekyler är inte stationära, de rör sig ständigt i samband med händelser i deras omgivning. Miljötryck kan göra att molekyler förändras till olika former, ofta ganska plötsligt. En molekyl kan plötsligt omvandlas till en helt annan struktur, i en process som är mycket lik den som sker när en spiral vecklas ut. Olika delar av molekylen vecklas ut och vecklas ihop, och forskarna studerade de mellanliggande stadierna mellan de olika molekylära formerna.

Enligt Phys.org var Pratyush Tiwary den seniora författaren till artikeln och är en biträdande professor vid Maryland universitets institution för kemi och biokemi och institutet för fysik och teknik. Enligt Tiwary kan naturlig språkbehandling användas för att modellera hur molekyler förändras och anpassar sig. Tiwary påpekar att molekyler har ett visst “språk” som de talar, och att rörelserna som molekyler gör kan översättas till ett abstrakt språk. När denna process för att kartlägga molekylrörelser till språkmönster genomförs, kan naturlig språkbehandlingstekniker och AI-algoritmer användas för att “skapa biologiskt sanningsenliga berättelser av de resulterande abstrakta orden”.

När en molekyl övergår från en form till en annan form, sker övergången extremt snabbt. Övergången kan bara ta så lång tid som en triljondel av en sekund. Den renodlade hastigheten på övergången gör det svårt för forskare att fastställa vilka parametrar som påverkar utvecklingsprocessen med hjälp av metoder som spektroskopi eller till och med kraftfulla mikroskop. För att fastställa vilka parametrar som påverkar utvecklingen av proteiner, skapade Tiwary och resten av forskarteamet fysiska modeller som simulerade proteiner. Komplexa statistiska modeller användes för att skapa proteinsimuleringar som imiterade formen, banan och rörelsen hos molekylerna. Modellerna gavs sedan till en maskinlärningsalgoritm baserad på naturlig språkbehandling.

De naturliga språkbehandlingsmodellerna som användes för att träna maskinlärningssystemet var mycket lika de algoritmer som används i de prediktiva textsystemen som Gmail använder. De simulerade proteinerna behandlades som ett språk där molekylrörelserna översattes till “bokstäver”. Bokstäverna länkades sedan samman för att bilda ord och meningar. Maskinlärningsalgoritmerna kunde lära sig de grammatiska och syntaxmässiga reglerna bakom proteinstrukturen, och fastställa vilka former/rörelser som följde andra former/rörelser. Algoritmerna kunde sedan användas för att förutsäga hur vissa proteiner skulle utvecklas och vilka former de skulle ta.

Forskarna använde ett långt korttidsminne (LSTM) för att analysera proteinbaserade meningar. Forskarteamet höll också reda på matematiken som nätverket baserades på, och övervakade parametrarna medan nätverket lärde sig dynamiken i molekyltransformationen. Enligt studiens resultat använde nätverket logik som var liknande den som används i den statistiska fysiska konceptet kallat väg-entropi. Om denna upptäckt är korrekt, kan det potentiellt leda till förbättringar av LSTM-nätverk. Tiwary förklarade att upptäckten avslöjar något av den svarta lådan i en LSTM, och låter forskare bättre förstå vilka parametrar som kan justeras för optimal prestanda.

Som ett testfall för sin algoritm analyserade forskarna en biomolekyl som kallas riboswitch. Riboswitch hade redan analyserats med hjälp av spektroskopi, och när riboswitch analyserades med maskinlärningssystemet, matchade de predikterade riboswitch-formerna de som upptäckts med spektroskopi.

Tiwary hoppas att deras upptäckt kommer att låta forskare utveckla riktade läkemedel som har färre bieffekter. Som Tiwary förklarade via Phys.org:

“Du vill ha kraftfulla läkemedel som binder mycket starkt, men bara till det du vill att de ska binda till. Vi kan uppnå det om vi kan förstå de olika former som en given biomolekyl av intresse kan ta, eftersom vi kan skapa läkemedel som binder bara till en av dessa specifika former vid rätt tidpunkt och bara så länge vi vill.”