Hệ Thống Trí Tuệ Nhân Tạo Phát Hiện Ra Bản Vẽ Cho Các Protein Nhân Tạo

Một nhóm các nhà nghiên cứu từ Trường Kỹ thuật Phân tử Pritzker (PME) tại Đại học Chicago đã gần đây thành công trong việc tạo ra một hệ thống trí tuệ nhân tạo có thể tạo ra các protein nhân tạo hoàn toàn mới bằng cách phân tích các kho dữ liệu lớn.

Protein là các phân tử lớn cần thiết cho việc xây dựng các mô trong các sinh vật sống và quan trọng đối với sự sống của các tế bào nói chung. Protein được sử dụng bởi các tế bào như các chất xúc tác hóa học để thực hiện các phản ứng hóa học khác nhau và thực hiện các nhiệm vụ phức tạp. Nếu các nhà khoa học có thể tìm ra cách để thiết kế các protein nhân tạo một cách đáng tin cậy, nó có thể mở ra cánh cửa cho các phương pháp mới để thu giữ carbon, các phương pháp mới để thu hoạch năng lượng và các phương pháp điều trị bệnh mới. Các protein nhân tạo có sức mạnh để thay đổi đáng kể thế giới chúng ta sống. Như được báo cáo bởi EurekaAlert, một đột phá gần đây bởi các nhà nghiên cứu tại PME Đại học Chicago đã đưa các nhà khoa học đến gần hơn với những mục tiêu đó. Các nhà nghiên cứu PME đã sử dụng các thuật toán học máy để phát triển một hệ thống có khả năng tạo ra các hình thức protein mới.

Đội nghiên cứu đã tạo ra các mô hình học máy được đào tạo trên dữ liệu từ các cơ sở dữ liệu genomics khác nhau. Khi các mô hình học, chúng bắt đầu phân biệt các mẫu cơ bản, các quy tắc thiết kế đơn giản, cho phép tạo ra các protein nhân tạo. Khi lấy các mẫu và tổng hợp các protein tương ứng trong phòng thí nghiệm, các nhà nghiên cứu đã tìm thấy rằng các protein nhân tạo tạo ra các phản ứng hóa học hiệu quả gần như tương tự như những phản ứng được thúc đẩy bởi các protein xảy ra tự nhiên.

Theo giáo sư Joseph Regenstein tại PME UC, Rama Ranganathan, đội nghiên cứu đã tìm thấy rằng dữ liệu genome chứa một lượng lớn thông tin về các chức năng và cấu trúc cơ bản của protein. Bằng cách sử dụng học máy để nhận ra các cấu trúc này, các nhà nghiên cứu đã “có thể nắm bắt được các quy tắc của tự nhiên để tạo ra protein của riêng chúng ta.”

Các nhà nghiên cứu tập trung vào các enzym chuyển hóa cho nghiên cứu này, đặc biệt là một họ protein gọi là chorismate mutase. Họ protein này cần thiết cho sự sống trong nhiều loại thực vật, nấm và vi khuẩn.

Ranganathan và các cộng sự nhận ra rằng các cơ sở dữ liệu genome chứa các thông tin chỉ chờ đợi để được khám phá bởi các nhà khoa học, nhưng các phương pháp truyền thống để xác định các quy tắc về cấu trúc và chức năng của protein chỉ có thành công hạn chế. Đội đã thiết lập để thiết kế các mô hình học máy có khả năng tiết lộ các quy tắc thiết kế này. Các phát hiện của mô hình cho thấy rằng các trình tự nhân tạo mới có thể được tạo ra bằng cách bảo tồn các vị trí axit amin và mối tương quan trong sự tiến hóa của các cặp axit amin.

Đội nghiên cứu đã tạo ra các gen tổng hợp mã hóa các trình tự axit amin tạo ra các protein này. Họ đã nhân dòng vi khuẩn với các gen tổng hợp và tìm thấy rằng vi khuẩn sử dụng các protein tổng hợp trong máy móc tế bào của chúng, hoạt động gần như giống hệt với protein thông thường.

Theo Ranganathan, các quy tắc đơn giản mà trí tuệ nhân tạo của họ phân biệt có thể được sử dụng để tạo ra các protein nhân tạo có độ phức tạp và đa dạng đáng kinh ngạc. Như Ranganathan giải thích với EurekaAlert:

“Các hạn chế là nhỏ hơn nhiều so với những gì chúng tôi tưởng tượng. Có một sự đơn giản trong các quy tắc thiết kế của tự nhiên, và chúng tôi tin rằng các phương pháp tương tự có thể giúp chúng tôi tìm kiếm các mô hình thiết kế trong các hệ thống phức tạp khác trong sinh học, như các hệ sinh thái hoặc não bộ.”

Ranganathan và các cộng sự muốn đưa các mô hình của họ và tổng quát hóa chúng, tạo ra một nền tảng mà các nhà khoa học có thể sử dụng để hiểu rõ hơn về cách các protein được xây dựng và ảnh hưởng của chúng. Họ hy vọng sử dụng các hệ thống trí tuệ nhân tạo của mình để cho phép các nhà khoa học khác khám phá ra các protein có thể giải quyết các vấn đề quan trọng như biến đổi khí hậu. Ranganathan và Phó giáo sư Andrew Ferguson đã tạo ra một công ty có tên là Evozyne, nhằm thương mại hóa công nghệ và thúc đẩy việc sử dụng nó trong các lĩnh vực như nông nghiệp, năng lượng và môi trường.

Hiểu được sự tương đồng giữa các protein và mối quan hệ giữa cấu trúc và chức năng cũng có thể giúp tạo ra các loại thuốc và phương pháp điều trị mới. Mặc dù việc gấp protein đã được coi là một vấn đề cực kỳ khó khăn cho máy tính, nhưng những hiểu biết từ các mô hình như mô hình được sản xuất bởi đội của Ranganathan có thể giúp tăng tốc độ tính toán, tạo điều kiện cho việc tạo ra các loại thuốc mới dựa trên các protein này. Các loại thuốc có thể được phát triển để ngăn chặn việc tạo ra protein trong các virus, có khả năng giúp điều trị các virus mới như virus corona Covid-19.

Ranganathan và phần còn lại của đội nghiên cứu vẫn cần phải hiểu làm thế nào và tại sao các mô hình của họ hoạt động và làm thế nào chúng tạo ra các bản thiết kế protein đáng tin cậy. Mục tiêu tiếp theo của đội nghiên cứu là hiểu rõ hơn về các thuộc tính mà các mô hình đang tính đến để đưa ra kết luận của chúng.