Znanstveniki v Nemčiji in ZDA so z AlphaFoldom, sistemom umetne inteligence (AI), ki ga je razvil Googlov DeepMind, predvideli topološko najbolj zapleten vozel, kar so jih kdaj našli v beljakovini. Njihova popolna analiza podatkov, ki jih je izdelal AlphaFold, je razkrila tudi prve sestavljene vozle v beljakovinah: topološke strukture, ki vsebujejo dva ločena vozla na istem nizu. Če je mogoče odkrite beljakovinske vozle eksperimentalno poustvariti, bo to služilo za preverjanje točnosti napovedi, ki jih je naredil AlphaFold.
Proteini se lahko zložijo v kompleksne topološke strukture. Najbolj zanimivi med njimi so proteinski vozli – oblike, ki se ne bi razvozlale, če bi protein potegnili z obeh koncev. Peter Virnau, teoretični fizik na Univerzi Johannes Gutenberg Mainz, pripoveduje Svet fizike da je trenutno znanih okoli 20 do 30 zavozlanih proteinov. Te strukture, pojasnjuje Virnau, postavljajo zanimiva vprašanja o tem, kako se zložijo in zakaj obstajajo.
Oblika beljakovine je lahko tesno povezana z njeno funkcijo, a čeprav obstaja nekaj teorij o funkcionalnosti in namenu beljakovinskih vozlov, je malo trdnih dokazov, ki bi jih podprli. Virnau pravi, da bi lahko pomagali ohraniti stabilnost beljakovin, na primer tako, da so posebej odporni na toplotna nihanja, vendar so to odprta vprašanja. Medtem ko so beljakovinski vozli redki, se zdi, da so tudi zelo ohranjeni z evolucijo.
"Če zavozlani protein obstaja na primer v kvasu, obstaja velika verjetnost, da je zavozlan tudi v ustreznem proteinu pri ljudeh," pojasnjuje Virnau. "Torej, to so strukture, ki obstajajo že stotine milijonov let."
Dolgotrajna težava pri raziskavah beljakovinskih vozlov je bilo iskanje in prepoznavanje beljakovinskih vozlov. Čeprav so bile kompleksne proteinske strukture eksperimentalno določene v laboratoriju, je to lahko zahtevno in dolgotrajno. Pred kratkim je DeepMind razvil sistem AI, znan kot AlphaFold za katerega trdi, da lahko napoveduje proteinske strukture z neverjetno hitrostjo in natančnostjo. Sistem globokega učenja deluje na veliki bazi podatkov znanih proteinov in njihovih aminokislinskih zaporedij. Ta zaporedja in informacije o primarni strukturi aminokislin uporablja za napovedovanje tridimenzionalnih struktur beljakovin. Njegovo usposabljanje temelji na evolucijskih, fizičnih in geometrijskih omejitvah beljakovinskih struktur.
AlphaFold je predvidel več sto tisoč beljakovinskih struktur, od katerih večina še ni bila katalogizirana. V tem najnovejšem delu, objavljenem v Znanost o beljakovinah, Virnau in njegovi kolegi so v banki podatkov AlphaFold iskali prej neznane kompleksne proteinske vozle. Odkrili so devet novih vozlov. To je vključevalo prvih 71-vozel – vozel s sedmimi presečnimi točkami, ki je topološko najbolj kompleksen vozel, kar jih je bilo kdaj najdenih v proteinu.
Raziskovalci so našli tudi več sestavljenih vozlov s šestimi križišči. Vsak vsebuje dva trolistna vozla, ki sta vozla s tremi križišči. Odkrili so tudi dva prej neznana vozla s petimi bistvenimi križišči, 51- vozel in 52- vozel.
Ekipa zdaj sodeluje z biokemikom Todd Yeates, na Univerzi Kalifornija v Los Angelesu, da bi eksperimentalno ustvaril proteine, ki jih je identificiral AlphaFold, da bi potrdil, da tvorijo predvidene topološke strukture. "Prepričan sem, da bomo te strukture lahko eksperimentalno potrdili," pravi Virnau.
Kvantni pristop razkriva hitrejše zvijanje beljakovin
Če je te topološko zahtevne strukture mogoče ustvariti eksperimentalno, bi to pokazalo, da AlphaFold deluje po pričakovanjih, in zagotovilo zaupanje v njegove napovedi manj kompleksnih oblik beljakovin. "Proteinski vozli so morda le manjši vidik tega, vendar lahko kljub temu služijo kot potrditev teh orodij na splošno," pojasnjuje Virnau.
V prihodnosti bo mogoče ta orodja AI uporabiti za inženiring beljakovin. Beljakovine bi lahko oblikovali tako, da bi vsebovali vozle in druge kompleksne strukture, ki bi jim zagotavljale funkcionalnost za posebne naloge, čeprav je do tega še vsaj nekaj let.
