Tehisintellektiga valkude ehitamine on nagu maja sisustamine.

On kaks peamist strateegiat. Üks on IKEA lähenemine: ostate eelnevalt valmistatud tükke, mis kergesti kokku klõpsavad, kuid võite loota, et mööbel sobib teie ruumi mõnevõrra. Kuigi see on suhteliselt lihtne, pole teil lõpptoote mõõtmete ega funktsioonide üle kontrolli.

Teine võimalus algab visioonist ja disainist, mis on ideaalselt kohandatud teie vajadustele. Kuid raske osa on kohandatud disaini jaoks üksikute detailide leidmine või ehitamine.

Samad kaks meetodit kehtivad AI abil valgukomplekside kujundamisel. Sarnaselt kapiga on valgukompleksid valmistatud mitmest alamühikust, mis on omavahel keerukalt seotud. Need hiiglaslikud struktuurid – kujuga alates kahekümnetahulisest stantsist kuni avanevate ja sulguvate tunneliteni – moodustavad meie ainevahetuse, immuunsüsteemi kaitsemehhanismide ja ajufunktsioonide aluse.

Varasemad valguarhitektuuri kujundamise katsed kasutasid enamasti IKEA lähenemisviisi. See on revolutsiooniline: tehisintellektil põhinevad kujundused on seda juba teinud loodud COVID-vaktsiine välgukiirusel. Kuigi see lähenemisviis on võimas, piiravad seda saadaolevad valgu "ehituskivid".

Sel kuul võttis Washingtoni ülikooli dr David Bakeri juhitud meeskond valkude disaini uuele kohandatud tasemele. Alustades konkreetsetest mõõtmetest, kujunditest ja muudest omadustest, kasutas meeskond masinõppe algoritmi, et luua konkreetsetele bioloogilistele vastustele kohandatud valgukomplekse.

Teisisõnu, tavapärase alt-üles meetodi asemel läksid nad ülalt alla.

Üks kujundus on näiteks 20-tahuline kest, mis jäljendab viiruste välist kaitsekihti. Gripiviiruse immuunsüsteemi stimuleerivate valkudega täpiline tehisintellekti kujundatud valgukest tekitas hiirtel immuunvastuse, mis ületas kliinilistes uuringutes uusimaid vaktsiinikandidaate.

AI pole ainult vaktsiinide jaoks. Sama strateegia võiks luua kompaktsemaid ja tõhusamaid kandjaid geeniteraapiate jaoks või kanda antikehi ja muid ravimeid, mis vajavad täiendavat kaitset kehas kohese lagunemise eest.

Kuid laiemalt näitab uuring, et on võimalik kujundada tohutult keerulisi valguarhitektuure, lähtudes üldisest visioonist, selle asemel, et töötada kahe-nelja plaadi bioloogilise ekvivalendiga.

"On hämmastav, et meeskond suutis seda teha," ütles Dr Martin Noble Newcastle'i ülikoolist, kes ei olnud tööga seotud. "Täpselt kokkuvolditavate üksikute valkude kujundamine võtab evolutsiooni miljardeid aastaid, kuid see on veel üks keerukuse tase, valkude voltimine nii, et need sobiksid nii hästi kokku ja tekiksid suletud struktuurid."

Evolutsioon lõimekiirusel

Uue töö keskmes on tugevdusõpe. Tõenäoliselt olete sellest kuulnud. Tuginedes lõdvalt sellele, kuidas aju katse-eksituse meetodil õpib, annab tugevdusõpe mitmele AI-agendile, kes on maailma vallutanud. Võib-olla tuntuim on AlphaGo, DeepMindi vaimusünnitus, mis võidutses lauamängus Go inimeste maailmameistri üle. Viimasel ajal on olnud tugevdusõpe isejuhtivate autode kiirendamine ja isegi paremate algoritmide väljatöötamine lihtsustades põhiarvutusi.

Uues uuringus kasutas meeskond tugevdamise õppimisalgoritmi, mida nimetatakse Monte Carlo puuotsinguks (MCTS). Kuigi see kõlab nagu kasiino käik, on see populaarne õppimisstrateegia, mis otsib optimeeritud otsuseid.

Kujutage algoritmi ette oma eluotsuste puuna. Tõenäoliselt oleme kõik mõelnud, kuidas oleks meie elu, kui teeksime mingil hetkel teistsuguse valiku. Kui joonistate need alternatiivsed otsused ajajoonena välja – voilà, on teil otsustuspuu, mille iga harude kombinatsioon viib erineva tulemuseni.

MCTS on seega natuke nagu elumäng. Valikud valitakse igas harus juhuslikult ja järgitakse seda puu teed. Kui see jõuab lõpptulemuseni, suunab see puu uuesti üles, et suurendada teie soovitud lahenduse tõenäosust. See on nagu multiversumi uurimine Kõik, kõikjal, kõik korraga— kuid eluvalikute asemel on see siin valkude kujundamiseks.

Alustuseks toitis meeskond MCTS-i algoritmi miljoneid valgu fragmente konkreetsete ehituseesmärkidega. Fragmentide koguseid kaaluti hoolikalt: väiksem arv igas arvutusetapis kiirendab tehisintellekti õppimisprotsessi ja suurendab lõpliku valgu mitmekesisust. Kuid rohkem tükke põhjustab ka arvutusaja ja energiatarbimise tõusu. Dilemmat tasakaalustades ehitas meeskond mitu valgu struktuurielementi, et alustada valgu disaini otsingut.

Sarnaselt digitaalse Play-Doh'ga koperdamisele väänas või painutas algoritm seejärel valgufragmente, et näha, kas need läbivad lõpliku valgu üldised geomeetrilised piirangud, sealhulgas selle selgroog ja selle "kinnituspunktid", et aidata fragmentidel ise kokku panna. Kui simulatsioonid said pöidlad püsti, suurendati nende arvutusradasid algoritmis. Loputage ja korrake kümneid tuhandeid kordi ning programm suudab teatud disaini jaoks optimaalseid üksikosi lihvida.

Kuigi see kõlab tohutu ettevõtmisena, oli algoritm väga tõhus. Iga iteratsioon võttis keskmiselt vaid kümneid millisekundeid, selgitas meeskond.

Valgud nõudmisel

Lõpuks oli meeskonnal võimas algoritm, mis – nagu arhitekt – kujundas kohandatud vajaduste põhjal valgud. Ühes testis tegi AI mitmesuguseid valgu struktuure prismadest püramiidide ja tähestikutähtedeni, millest igaüks täitis vastavalt vajadusele teatud ruumi.

"Meie lähenemine on ainulaadne, kuna kasutame tugevdamisõpet, et lahendada valgukujude loomise probleem, mis sobivad kokku nagu pusletükid. See lihtsalt ei olnud varasemate lähenemisviiside abil võimalik ja sellel on potentsiaal muuta molekulide tüüpe, mida saame ehitada. ütles uuringu autor Isaac Lutz.

Kuid kuidas AI-kujundused tegelikku ellu tõlgivad?

Idee tõestuseks valmistas meeskond laboris sadu valke, et testida truudust. Elektronmikroskoobi abil olid AI-ga loodud valgud peaaegu identsed aatomi skaalal ennustatud joonistega.

Üks disainilahenduse silmapaistvus oli õõnes kest, mis oli valmistatud kümnetest valgutükkidest. Struktuur, mida nimetatakse kapsiidiks, sarnaneb viiruste kaitsva valgukihiga - seda kasutatakse sageli vaktsiinide loomise juhisena. Erinevalt eelmistest iteratsioonidest olid AI-ga loodud kestad tihedalt pakitud mitme kinnituspunktiga. Nagu seinaankrud, võivad need aidata struktuuridel rakkude külge kinnituda või karkassi sees paremini pakkematerjale (ravimeid, geeniteraapiaid või muid bioloogilisi materjale).

Umbes 10 nanomeetri juures on need nanokapsiidid "märkimisväärselt väiksemad kui enamik viiruslikke", selgitas meeskond.

Väikese suuruse määramisega oli kaasas suur ravim. Ühes testis pani töörühm kapsiididele 60 koopiat valku, mis aitab stimuleerida veresoonte kasvu nabaveenidest pärinevates inimrakkudes. AI-ga valmistatud valgumull edestas varasemat nanoosakest enam kui 10 korda. See "avab potentsiaalseid rakendusi... diabeedi, ajuvigastuste, insultide ja muudel juhtudel, kus veresooned on ohus," ütles uuringu autor dr Hannele Ruohola-Baker.

Teises katses kasutati täielikult ära 20-küljelise kesta tihedad kinnituspunktid, muutes kapsiidi tõhusaks vaktsiiniks. Siin ühendas meeskond gripivalgu HA (gripi hemaglutiniini) nanokapsiidiga ja süstis selle hiirtele. Võrreldes juba kliinilistes uuringutes kasutatud sarnase, kuid palju suurema vaktsiinikujundusega, tekitas tehisintellekti loodud lahendus tugevama immuunvastuse.

Praegu on AI alles algusjärgus. Kuid nagu viimased kaks aastat on näidanud, areneb see kiiresti. 20-tahuline kest ja muud struktuurid "erinevad kõigist varem kavandatud või looduslikult esinevatest struktuuridest", ütles meeskond. Tänu oma väikesele suurusele, kuid suurele kandevõimele võivad nad potentsiaalselt tunneldada DNA-d sisaldava rakutuuma sees ja tõhusalt edasi toimetada geenide redigeerimise komponente.

"Selle potentsiaali igasuguste arhitektuuride loomiseks ei ole veel täielikult uuritud," ütles uuringu autor dr Shunzhi Wang.

Pildi krediit: Ian Haydon / UW valgukujunduse meditsiiniinstituut

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
• Tuleviku rahapaja Adryenn Ashley. Juurdepääs siia.
• Allikas: https://singularityhub.com/2023/04/24/this-ai-can-design-complex-proteins-perfectly-tailored-to-our-needs/