Se Generativ AI Designa ett anpassat protein på några sekunder

Se Generativ AI Designa ett anpassat protein på några sekunder

Tidsstämpel: 7 september 2023 1:27
Se Generativ AI Designa ett anpassat protein på några sekunder PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

I slutet av 2020 var AI-pionjär DeepMind fick ett genombrott 50 år på väg. Genom att förutsäga formen på proteiner med atomär noggrannhet, kan dess djupinlärningsalgoritm, AlphaFold, allt utom löst en av biologins stora utmaningar.

Från metabolism till hjärnfunktion, proteiner är de molekyler som får våra kroppar att gå. När de går fel går saker sönder och vi lider. Mycket av modern medicin fokuserar på denna aspekt av sjukdomen: Identifiera en dysfunktionell proteinbov och modifiera dess beteende med en annan molekyl speciellt utvald för att interagera med den – ett läkemedel.

Saken är att proteiner är extremt komplexa. De består av hundratals eller tusentals molekylära byggstenar som kallas aminosyror och bildar långa bandliknande kedjor som viker sig in på sig själva på nyanserade sätt. Inbäddade i dessa veck finns aktiva platser som ger proteinet dess funktion genom att ansluta till andra proteiner eller katalysera kemiska reaktioner.

Att designa effektiva läkemedel beror på att förutsäga ett proteins form, dess funktionella platser och att identifiera ett annat protein eller en molekyl som kan docka till dem.

AlphaFold, AlphFold 2 och en algoritm som heter RoseTTAFold, utvecklad av Baker Lab vid University of Washington, tog avgörande steg för att påskynda denna process. I mitten av 2022 sa DeepMind att AlphaFold 2 hade förutspådde strukturen av 200 miljoner proteiner— nästan alla kända — och erbjöd dem i en öppen databas.

Men det slutade inte där. De skapande av proteinstrukturer har sedan dess stått i centrum. Dessa nyare algoritmer är i samma familj som DALL-E och GPT-4 – algoritmen bakom ChatGPT – bara istället för att generera bilder eller skrivna passager, de genererar nya proteiner.

Baker Lab, i synnerhet, har byggt på RoseTTAFold för att designa proteiner. Den här sommaren, i en tidning publicerad i Natur, sade teamet att deras senaste algoritm, RFdiffusion, var snabbare och mer exakt. Algoritmen kan generera ett protein på 100 aminosyror på 11 sekunder på ett Nvidia-chip, jämfört med 8.5 minuter med en äldre algoritm. RFdiffusion är också ungefär 100 gånger effektivare för att generera nya proteiner som binder starkt till platser av intresse på kända proteiner.

"På ett sätt som påminner om genereringen av bilder från textuppmaningar, gör RFdiffusion möjligt, med minimal specialistkunskap, generering av funktionella proteiner från minimala molekylära specifikationer," skrev teamet i julitidningen.

Allt detta kan vara svårt att visualisera. Det finns ingen ersättning för att se dessa algoritmer i aktion. Anledningen till att ChatGPT var en viral hit handlade mindre om att det var ett noll-till-ett-genombrott – tekniken hade blivit mer sofistikerad i flera år – och mer att det var en enkel portal genom vilken vi alla kunde uppleva den sofistikeringen direkt.

Lyckligtvis har vi här en bild för att slå poängen. Videon nedan, krediterad till Ian C. Haydon och University of Washington Institute for Protein Design, visar RFdiffusion på jobbet, designar ett protein för en specifik plats på en insulinreceptor på några sekunder.

Naturligtvis finns det mycket mer arbete att göra – att designa effektiva nya läkemedel är en svår, år lång process – men det är uppenbart att AI-verktyg fortsätter att göra snabba framsteg inom bioteknik.

Image Credit: Baker Lab/University of Washington

Tidsstämpel:

Mer från Singularity Hub