Fyysikot tunnistavat monimutkaisimmat proteiinisolmut PlatoBlockchain Data Intelligence. Pystysuuntainen haku. Ai.

Fyysikot tunnistavat monimutkaisimmat proteiinisolmut

Solmuiset proteiinit: Monimutkaisin tähän mennessä tunnettu proteiinisolmu, jossa on AlphaFoldin ennustama seitsemän risteystä (vasemmalla) ja yksinkertaistettu esitys (oikealla). (Kohtelias: ill./©: Maarten Brems, CC BY 4.0)

Saksalaiset ja yhdysvaltalaiset tutkijat ovat ennustaneet topologisesti monimutkaisimman solmun, joka on koskaan löydetty proteiinista käyttämällä AlphaFoldia, Googlen DeepMindin kehittämää tekoälyjärjestelmää. Heidän AlphaFoldin tuottamien tietojen täydellinen analyysi paljasti myös ensimmäiset yhdistelmäsolmut proteiineissa: topologiset rakenteet, jotka sisälsivät kaksi erillistä solmua samassa ketjussa. Jos löydetyt proteiinisolmut voidaan luoda uudelleen kokeellisesti, se auttaa varmistamaan AlphaFoldin tekemien ennusteiden tarkkuuden.

Proteiinit voivat laskostua muodostaen monimutkaisia ​​topologisia rakenteita. Mielenkiintoisimpia näistä ovat proteiinisolmut – muodot, jotka eivät irtoa, jos proteiinia vedetään molemmista päistä. Pietari Virnau, teoreettinen fyysikko Johannes Gutenbergin Mainzin yliopistosta, kertoo Fysiikan maailma että tällä hetkellä tunnetaan noin 20-30 solmittua proteiinia. Nämä rakenteet, Virnau selittää, herättävät mielenkiintoisia kysymyksiä siitä, miten ne taittuvat ja miksi ne ovat olemassa.

Proteiinin muoto voidaan liittää läheisesti sen toimintaan, mutta vaikka proteiinisolmujen toimivuudesta ja tarkoituksesta on olemassa muutamia teorioita, niiden tueksi on vain vähän kovia todisteita. Virnau sanoo, että ne voisivat auttaa pitämään proteiinit stabiileina, kun ne ovat esimerkiksi erityisen kestäviä lämmönvaihteluille, mutta nämä ovat avoimia kysymyksiä. Vaikka proteiinisolmut ovat harvinaisia, ne näyttävät myös säilyneen erittäin hyvin evoluution seurauksena.

"Jos solmittu proteiini on olemassa esimerkiksi hiivassa, on suuri todennäköisyys, että se on solmittu myös vastaavaan proteiiniin ihmisillä", Virnau selittää. "Nämä ovat siis rakenteita, jotka ovat olleet olemassa satoja miljoonia vuosia."

Pitkäaikainen ongelma proteiinisolmututkimuksessa on ollut proteiinisolmujen löytäminen ja tunnistaminen. Vaikka monimutkaisia ​​proteiinirakenteita on kokeellisesti määritetty laboratoriossa, tämä voi olla haastavaa ja aikaa vievää. Hiljattain DeepMind kehitti tekoälyjärjestelmän, joka tunnetaan nimellä AlphaFold että se väittää voivansa ennustaa proteiinirakenteita uskomattomalla nopeudella ja tarkkuudella. Syväoppimisjärjestelmä toimii suuressa tietokannassa tunnetuista proteiineista ja niiden aminohapposekvensseistä. Se käyttää näitä sekvenssejä ja tietoa aminohappojen primäärirakenteesta ennustaakseen proteiinien kolmiulotteiset rakenteet. Sen koulutus perustuu proteiinirakenteiden evolutionaarisiin, fyysisiin ja geometrisiin rajoituksiin.

AlphaFold on ennustanut useita satoja tuhansia proteiinirakenteita, joista suurinta osaa ei ole vielä luetteloitu. Tässä uusimmassa teoksessa, joka on julkaistu v ProteiinitiedeVirnau ja hänen kollegansa etsivät AlphaFoldin tietopankista aiemmin tuntemattomia monimutkaisia ​​proteiinisolmuja. He löysivät yhdeksän uutta solmua. Tämä sisälsi ensimmäiset 71-solmu – solmu, jossa on seitsemän risteyskohtaa ja joka on topologisesti monimutkaisin solmu, joka on koskaan löydetty proteiinista.

Tutkijat löysivät myös useita kuusi risteäviä yhdistelmäsolmuja. Näissä jokaisessa on kaksi apilasolmua, jotka ovat solmuja, joissa on kolme risteystä. He löysivät myös kaksi aiemmin tuntematonta solmua, joissa oli viisi tärkeää risteystä, 51-solmu ja 52-solmu.

Ryhmä työskentelee nyt biokemistin kanssa Todd YeatesKalifornian yliopistossa Los Angelesissa luodakseen AlphaFoldin kokeellisesti tunnistamia proteiineja varmistaakseen, että ne muodostavat ennustetut topologiset rakenteet. "Olen melko varma, että pystymme vahvistamaan nämä rakenteet kokeellisesti", Virnau sanoo.

Jos nämä topologisesti haastavat rakenteet voidaan luoda kokeellisesti, se osoittaisi, että AlphaFold toimii odotetusti ja antaisi luottamusta vähemmän monimutkaisten proteiinimuotojen ennusteisiin. "Proteiinisolmut voivat olla vain pieni osa tässä, mutta se voi kuitenkin toimia näiden työkalujen validointina yleisesti", Virnau selittää.

Tulevaisuudessa saattaa olla mahdollista käyttää näitä tekoälytyökaluja proteiinien suunnitteluun. Proteiinit voitaisiin suunnitella sisältämään solmuja ja muita monimutkaisia ​​rakenteita, jotka tarjoavat niille toimintoja tiettyihin tehtäviin, vaikka tähän on ainakin muutama vuosi.

Aikaleima:

Lisää aiheesta Fysiikan maailma