Tämä tekoäly voi suunnitella elämän koneiston atomitarkkuudella

Proteiinit ovat sosiaalisia olentoja. He ovat myös kameleontteja. Solun tarpeista riippuen ne muuttuvat rakenteeltaan nopeasti ja tarttuvat muihin biomolekyyleihin monimutkaisessa tanssissa.

Se ei ole molekyyli-illallisteatteria. Pikemminkin nämä kumppanuudet ovat biologisten prosessien sydän. Jotkut kytkevät geenit päälle tai pois päältä. Toiset pakottavat ikääntyviä "zombie"-soluja tuhoamaan itsensä tai pitämään kognitiomme ja muistimme huippukunnossa muokkaamalla aivoverkostoja.

Nämä yhteydet ovat jo inspiroineet monenlaisia ​​hoitoja – ja uusia hoitoja voi nopeuttaa tekoäly, joka voi mallintaa ja suunnitella biomolekyylejä. Mutta aiemmat tekoälytyökalut keskittyivät vain proteiineihin ja niiden vuorovaikutukseen ja jättivät ei-proteiinikumppaninsa sivuun.

Tällä viikolla tutkimus in tiede laajensi tekoälyn kykyä mallintaa monia muita biomolekyylejä, jotka tarttuvat fyysisesti proteiineihin, mukaan lukien rautaa sisältävät pienet molekyylit, jotka muodostavat hapen kantajien keskuksen.

Washingtonin yliopiston tohtori David Bakerin johtama uusi tekoäly laajentaa biomolekyylisuunnittelun soveltamisalaa. Se on nimetty RoseTTAFold All-Atomiksi, ja se perustuu aiempaan vain proteiinia sisältävään järjestelmään, joka sisältää lukemattomia muita biomolekyylejä, kuten DNA:ta ja RNA:ta. Se lisää myös pieniä molekyylejä – esimerkiksi rautaa – jotka ovat olennaisia ​​tiettyjen proteiinitoimintojen kannalta.

Tekoäly oppi vain komponenttien järjestyksestä ja rakenteesta – ilman aavistustakaan niiden 3D-rakenteesta – mutta voi kartoittaa monimutkaisia ​​molekyylikoneita atomitasolla.

Tutkimuksessa, kun RoseTTAFold All-Atom yhdistettiin generatiivisen tekoälyn kanssa, se loi proteiineja, jotka tarttuivat helposti sydänsairauslääkkeeseen. Algoritmi tuotti myös proteiineja, jotka säätelevät hemeä, rautaa sisältävää molekyyliä, joka auttaa verta kuljettamaan happea, ja biliiniä, kasveissa ja bakteereissa olevaa kemikaalia, joka imee valoa niiden aineenvaihduntaan.

Nämä esimerkit ovat vain todisteita konseptista. Tiimi julkaisee RoseTTAFold All-Atomin yleisölle tutkijoille, jotta he voivat luoda useita vuorovaikutuksessa olevia biokomponentteja, jotka ovat paljon monimutkaisempia kuin pelkät proteiinikompleksit. Luomukset puolestaan ​​voivat johtaa uusiin hoitoihin.

"Tavoitteenamme oli rakentaa tekoälytyökalu, joka voisi tuottaa kehittyneempiä hoitoja ja muita hyödyllisiä molekyylejä", sanoi tutkimuksen kirjoittaja Woody Ahern lehdistötiedotteessa.

Dream On

Vuonna 2020 Google DeepMindin AlphaFold ja Baker Labin RoseTTAFold ratkaisivat proteiinirakenteen ennustusongelman, joka oli hämmentänyt tutkijoita puoli vuosisataa ja johti proteiinitutkimuksen uudelle aikakaudelle. Näiden algoritmien päivitetyt versiot kartoittivat kaikki tieteen tuntemat ja tuntemattomat proteiinirakenteet.

Seuraavaksi generatiivinen tekoäly – OpenAI:n ChatGPT:n ja Googlen Geminin taustalla oleva teknologia – sai aikaan suunnittelijaproteiinien luovan vimman vaikuttavalla toiminnallisuudella. Jotkut äskettäin tuotetut proteiinit säätelivät hormonia, joka piti kalsiumtasot kurissa. Toiset johtivat keinotekoisiin entsyymeihin tai proteiineihin, jotka voisivat muuttavat muotoaan helposti kuten elektronisten piirien transistorit.

Hallusinoiden proteiinirakenteiden uutta maailmaa generatiivisella tekoälyllä on potentiaalia luoda synteettisten proteiinien sukupolvi säätelemään biologiaamme ja terveyttämme.

Mutta siinä on ongelma. Suunnittelijan proteiini-AI-malleilla on tunnelinäkö: ne ovat liian keskittyy proteiineihin.

Kun kuvittelet elämän molekyylikomponentteja, mieleen tulevat proteiinit, DNA ja rasvahapot. Mutta solun sisällä näitä rakenteita pitävät usein yhdessä pienet molekyylit, jotka yhtyvät ympäröivien komponenttien kanssa muodostaen yhdessä toiminnallisen biokokoonpanon.

Yksi esimerkki on hemi, rengasmainen molekyyli, joka sisältää rautaa. Hemi on punasolujen hemoglobiinin perusta, joka kuljettaa happea läpi kehon ja tarttuu ympäröiviin proteiinikoukkuihin useiden kemiallisten sidosten avulla.

Toisin kuin proteiineja tai DNA:ta, jotka voidaan mallintaa molekyylien "kirjaimien" merkkijonona, pieniä molekyylejä ja niiden vuorovaikutuksia on vaikea vangita. Mutta ne ovat kriittisiä biologian monimutkaisille molekyylikoneille ja voivat muuttaa dramaattisesti niiden toimintoja.

Tästä syystä tutkijat pyrkivät uudessa tutkimuksessaan laajentamaan tekoälyn ulottuvuutta proteiinien ulkopuolelle.

"Päädyimme kehittämään rakenteen ennustusmenetelmää, joka pystyy tuottamaan 3D-koordinaatit kaikille atomeille" biologiselle molekyylille, mukaan lukien proteiinit, DNA ja muut modifikaatiot, kirjoittajat kirjoittivat artikkelissaan.

Tag-tiimi

Ryhmä aloitti modifioimalla aiempaa proteiinimallinnusta tekoälyä sisällyttämään siihen muita molekyylejä.

Tekoäly toimii kolmella tasolla: Ensimmäinen analysoi proteiinin yksiulotteisen "kirjain"-sekvenssin, kuten sivulla olevat sanat. Seuraavaksi 2D-kartta seuraa, kuinka kaukana kukin proteiini "sana" on toisesta. Lopuksi 3D-koordinaatit - vähän kuten GPS - kartoittavat proteiinin yleisen rakenteen.

Sitten tulee päivitys. Pienmolekyylisten tietojen sisällyttämiseksi malliin ryhmä lisäsi tietoja atomipaikoista ja kemiallisista yhteyksistä kahteen ensimmäiseen kerrokseen.

Kolmannessa he keskittyivät kiraalisuuteen – eli onko kemikaalin rakenne vasen- tai oikeakätinen. Kuten käsissämme, myös kemikaaleilla voi olla peilattuja rakenteita hyvin erilaisia ​​biologisia seurauksia. Kuten käsineiden pukeminen, vain kemikaalin oikea "kätisyys" sopii tiettyyn biokokoonpanon "käsineeseen".

RoseTTAFold All-Atom koulutettiin sitten useisiin tietosarjoihin, joissa oli satoja tuhansia tietopisteitä, jotka kuvaavat proteiineja, pieniä molekyylejä ja niiden vuorovaikutuksia. Lopulta se oppi pienten molekyylien yleiset ominaisuudet, jotka ovat hyödyllisiä uskottavien proteiinikokoonpanojen rakentamisessa. Järkevyyden tarkistuksena tiimi lisäsi myös "luottamusmittarin" tunnistaakseen korkealaatuiset ennusteet – sellaiset, jotka johtavat vakaisiin ja toimiviin biokokoonpanoihin.

Toisin kuin aikaisemmissa vain proteiinia sisältävissä AI-malleissa, RoseTTAFold All-Atom "voi mallintaa täydellisiä biomolekyylijärjestelmiä", tiimi kirjoitti.

Useissa testeissä päivitetty malli ylitti aiemmat menetelmät, kun hän oppi "telakoimaan" pieniä molekyylejä tiettyyn proteiiniin - mikä on keskeinen osa lääkekehitystä - ennustamalla nopeasti proteiinien ja ei-proteiinimolekyylien välisiä vuorovaikutuksia.

Brave New World

Pienten molekyylien sisällyttäminen avaa täysin uuden tason mukautetun proteiinisuunnittelun.

Todisteeksi konseptista tiimi yhdisti RoseTTAFold All-Atomin generatiiviseen tekoälymalliin, joka heillä oli. aiemmin kehitetty ja suunnitteli proteiinikumppaneita kolmelle erilaiselle pienelle molekyylille.

Ensimmäinen oli digoksigeniini, jota käytetään sydänsairauksien hoitoon, mutta jolla voi olla sivuvaikutuksia. Siihen tarttuva proteiini vähentää myrkyllisyyttä. Jopa ilman aiempaa tietoa molekyylistä, tekoäly suunnitteli useita proteiinien sitojia, jotka hillitsivät digoksigeniinitasoja, kun niitä testattiin viljellyissä soluissa.

Tekoäly suunnitteli myös proteiineja, jotka sitoutuvat hemiin, pieneen molekyyliin, joka on kriittinen hapensiirrolle punasoluissa, ja biliiniin, joka auttaa erilaisia ​​​​olentoja imemään valoa.

Toisin kuin aikaisemmissa menetelmissä, tiimi selitti, tekoäly voi "helposti tuottaa uusia proteiineja", jotka tarttuvat pieniin molekyyleihin ilman asiantuntemusta.

Se voi myös tehdä erittäin tarkkoja ennusteita proteiinien ja pienten molekyylien välisten yhteyksien vahvuudesta atomitasolla, mikä mahdollistaa rationaalisesti kokonaan uuden monimutkaisten biomolekyylirakenteiden universumin rakentamisen.

"Annamme tutkijoille kaikkialla mahdollisuuden tuottaa biomolekyylejä ennennäkemättömällä tarkkuudella, avaamme oven uraauurtaville löydöille ja käytännön sovelluksille, jotka muokkaavat lääketieteen, materiaalitieteen ja muiden tulevaisuutta", Baker sanoi.

Kuvan luotto: Ian C. Haydon

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://singularityhub.com/2024/03/08/this-ai-can-design-biomolecular-machines-with-atomic-precision/