See tehisintellekt suudab kujundada elumehhanisme aatomilise täpsusega

Valgud on sotsiaalsed olendid. Nad on ka kameeleonid. Sõltuvalt raku vajadustest muunduvad nad kiiresti oma struktuurilt ja haaravad keeruka tantsu käigus teiste biomolekulide külge.

See ei ole molekulaarne õhtusöögiteater. Pigem on need partnerlussuhted bioloogiliste protsesside tuum. Mõned lülitavad geenid sisse või välja. Teised tõukuvad vananevaid zombirakke ennast hävitama või meie tunnetust ja mälu tipptasemel hoidma, kujundades ümber ajuvõrgustikke.

Need ühendused on juba inspireerinud laia valikut ravimeetodeid ja uusi ravimeetodeid võib kiirendada AI, mis suudab modelleerida ja kujundada biomolekule. Kuid varasemad AI-tööriistad keskendusid ainult valkudele ja nende koostoimetele, jättes kõrvale nende mittevalgulised partnerid.

Sellel nädalal uuringus in teadus laiendas tehisintellekti võimet modelleerida paljusid teisi biomolekule, mis füüsiliselt haarduvad valkudele, sealhulgas rauda sisaldavad väikesed molekulid, mis moodustavad hapnikukandjate keskpunkti.

Washingtoni ülikooli dr David Bakeri juhitud uus tehisintellekt laiendab biomolekulaarse disaini ulatust. Nimetatud RoseTTAFold All-Atom, see põhineb varasemal ainult valku sisaldaval süsteemil, et lisada lugematu arv muid biomolekule, nagu DNA ja RNA. Samuti lisab see väikeseid molekule – näiteks rauda –, mis on teatud valgu funktsioonide lahutamatud osad.

AI õppis ainult komponentide järjestusest ja struktuurist – ilma nende 3D-struktuurist aimugi –, kuid suudab kaardistada keerukaid molekulaarmasinaid aatomitasandil.

Uuringus lõi RoseTTAFold All-Atom generatiivse tehisintellektiga kombineerituna valke, mis haarasid kergesti südamehaiguste ravimisse. Algoritm genereeris ka valke, mis reguleerivad heemi, rauarikast molekuli, mis aitab verel hapnikku kanda, ja biliini, taimedes ja bakterites sisalduvat kemikaali, mis neelab nende ainevahetuse jaoks valgust.

Need näited on vaid kontseptsiooni tõestused. Meeskond avaldab RoseTTAFold All-Atom teadlaste jaoks avalikkusele, et nad saaksid luua mitu interakteeruvat biokomponenti, mis on palju keerukamad kui valgukompleksid üksi. Looming omakorda võib viia uute teraapiateni.

"Meie eesmärk oli luua AI tööriist, mis suudaks luua keerukamaid ravimeetodeid ja muid kasulikke molekule," ütles uuringu autor Woody Ahern pressiteates.

Dream On

2020. aastal lahendasid Google DeepMindi AlphaFold ja Baker Labi RoseTTAFold valgu struktuuri prognoosimise probleemi, mis oli teadlasi segadusse ajanud pool sajandit ja juhatas sisse uue valguuuringute ajastu. Nende algoritmide uuendatud versioonid kaardistasid kõik teadusele teadaolevad ja tundmatud valgustruktuurid.

Järgmisena tekitas generatiivne AI – OpenAI ChatGPT ja Google’i Gemini taga olev tehnoloogia – disainervalkude loomingulise hulluse muljetavaldava tegevusega. Mõned äsja loodud valgud reguleerisid hormooni, mis hoidis kaltsiumi taset kontrolli all. Teised viisid kunstlike ensüümide või valkudeni, mis võiksid muudavad kergesti oma kuju nagu transistorid elektroonilistes ahelates.

Hallutsineerides uut valgustruktuuride maailma, on generatiivsel tehisintellektil potentsiaali luua sünteetiliste valkude põlvkond, et reguleerida meie bioloogiat ja tervist.

Aga seal on probleem. Disainervalgu AI mudelitel on tunnelinägemine: nad on liiga keskendunud valkudele.

Elu molekulaarseid komponente kujutades tulevad meelde valgud, DNA ja rasvhapped. Kuid raku sees hoiavad neid struktuure sageli koos väikesed molekulid, mis haakuvad ümbritsevate komponentidega, moodustades koos funktsionaalse biokoostu.

Üks näide on heem, rõngataoline molekul, mis sisaldab rauda. Heem on punaste vereliblede hemoglobiini alus, mis kannab hapnikku kogu kehas ja haarab ümbritsevate valgukonksude külge, kasutades erinevaid keemilisi sidemeid.

Erinevalt valkudest või DNA-st, mida saab modelleerida molekulaarsete "tähtede" jadana, on väikeseid molekule ja nende koostoimeid raske tabada. Kuid need on bioloogia keerukate molekulaarmasinate jaoks kriitilised ja võivad nende funktsioone dramaatiliselt muuta.

Seetõttu püüdsid teadlased oma uues uuringus laiendada AI ulatust kaugemale valkudest.

Autorid kirjutasid oma artiklis, et "võtsime eesmärgiks välja töötada struktuuri ennustamise meetod, mis on võimeline genereerima kõigi aatomite jaoks 3D-koordinaate" bioloogilise molekuli, sealhulgas valkude, DNA ja muude modifikatsioonide jaoks.

Tag Team

Meeskond alustas varasema valgu modelleeriva AI muutmisega, et lisada muid molekule.

AI töötab kolmel tasandil: esimene analüüsib valgu ühemõõtmelist tähejärjestust, nagu sõnu lehel. Järgmisena jälgib 2D-kaart, kui kaugel on iga valgu "sõna" teisest. Lõpuks kaardistavad 3D-koordinaadid – natuke nagu GPS – valgu üldise struktuuri.

Siis tuleb uuendus. Väikeste molekulide teabe mudelisse lisamiseks lisas meeskond kahte esimesse kihti andmed aatomikohtade ja keemiliste ühenduste kohta.

Kolmandas keskendusid nad kiraalsusele, st kui kemikaali struktuur on vasak- või paremkäeline. Nagu meie kätel, võib ka kemikaalidel olla peegelstruktuur väga erinevad bioloogilised tagajärjed. Nagu kinnaste kätte panemine, sobib biokoostise "kindale" ainult kemikaali õige käelisus.

RoseTTAFold All-Atom koolitati seejärel mitme andmekogumiga, mis sisaldas sadu tuhandeid andmepunkte, mis kirjeldavad valke, väikeseid molekule ja nende koostoimeid. Lõpuks õppis ta väikeste molekulide üldisi omadusi, mis on kasulikud usutavate valgukoostude loomiseks. Terve mõistuse kontrolliks lisas meeskond ka "usaldusmõõturi", et tuvastada kvaliteetseid ennustusi - need, mis viivad stabiilsete ja funktsionaalsete biokoostudeni.

Erinevalt eelmistest ainult valku sisaldavatest AI mudelitest saab RoseTTAFold All-Atom modelleerida täielikke biomolekulaarseid süsteeme, kirjutas meeskond.

Katsete seerias ületas täiustatud mudel varasemaid meetodeid, kui õpiti väikeseid molekule teatud valgu külge "dokkima" - see on ravimite avastamise põhikomponent -, ennustades kiiresti valkude ja mittevalguliste molekulide vahelisi koostoimeid.

Brave New World

Väikeste molekulide kaasamine avab kohandatud valgukujunduse täiesti uue taseme.

Idee tõestuseks ühendas meeskond RoseTTAFold All-Atom generatiivse AI mudeliga, mis neil oli varem välja töötatud ja kujundas valgupartnerid kolmele erinevale väikesele molekulile.

Esimene oli digoksigeniin, mida kasutatakse südamehaiguste raviks, kuid millel võib olla kõrvaltoimeid. Selle külge haarav valk vähendab toksilisust. Isegi ilma eelnevate teadmisteta molekuli kohta kavandas AI mitu valgu sidujat, mis karmistasid digoksigeniini taset kultiveeritud rakkudes testimisel.

AI kavandas ka valgud, mis seonduvad heemiga, mis on punaste vereliblede hapnikuülekande jaoks kriitilise tähtsusega väike molekul, ja biliin, mis aitab mitmesugustel olenditel valgust neelata.

Erinevalt eelmistest meetoditest selgitas meeskond, et tehisintellekt võib "kergesti genereerida uusi valke", mis haaravad väikeste molekulide külge ilma ekspertideta.

Samuti võib see anda väga täpseid prognoose valkude ja väikeste molekulide vaheliste ühenduste tugevuse kohta aatomitasandil, võimaldades ratsionaalselt ehitada täiesti uut keeruliste biomolekulaarsete struktuuride universumit.

"Andes teadlastele kõikjal võimaluse luua biomolekule enneolematu täpsusega, avame ukse murrangulistele avastustele ja praktilistele rakendustele, mis kujundavad meditsiini, materjaliteaduse ja kaugema tuleviku," ütles Baker.

Pildi krediit: Ian C. Haydon

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://singularityhub.com/2024/03/08/this-ai-can-design-biomolecular-machines-with-atomic-precision/