Budowanie białek za pomocą sztucznej inteligencji jest jak urządzanie domu.

Istnieją dwie główne strategie. Jednym z nich jest podejście IKEA: kupujesz gotowe elementy, które łatwo się łączą, ale możesz mieć tylko nadzieję, że meble w jakiś sposób pasują do Twojej przestrzeni. Chociaż jest stosunkowo prosty, nie masz kontroli nad wymiarami ani funkcjami produktu końcowego.

Druga droga zaczyna się od wizji i projektu idealnie dopasowanego do Twoich potrzeb. Ale najtrudniejszą częścią jest znalezienie — lub zbudowanie — poszczególnych elementów do niestandardowego projektu.

Te same dwie metody mają zastosowanie do inżynierii kompleksów białkowych przy użyciu sztucznej inteligencji. Podobnie jak szafka, kompleksy białkowe składają się z wielu podjednostek, które misternie się ze sobą wiążą. Te mega struktury – o różnych kształtach, od dwudziestościennej kostki do otwierających się i zamykających tuneli – stanowią podstawę naszego metabolizmu, obrony immunologicznej i funkcji mózgu.

Poprzednie próby kształtowania architektur białek wykorzystywały głównie podejście IKEA. To rewolucyjne: projekty oparte na sztucznej inteligencji już to zrobiły wygenerowane szczepionki na COVID z prędkością błyskawicy. Chociaż podejście to jest potężne, jest ograniczone dostępnymi „cegiełkami budulcowymi” białek.

W tym miesiącu zespół kierowany przez dr Davida Bakera z University of Washington zajął się projektowaniem białek na nowy niestandardowy poziom. Rozpoczynając od określonych wymiarów, kształtów i innych właściwości, zespół wykorzystał algorytm uczenia maszynowego, aby zbudować kompleksy białkowe dostosowane do określonych reakcji biologicznych.

Innymi słowy, zamiast zwykłej metody oddolnej, poszli z góry na dół.

Na przykład jeden projekt to 20-stronna skorupa, która naśladuje zewnętrzną warstwę ochronną wirusów. Po usianiu białek stymulujących układ odpornościowy z wirusa grypy, zaprojektowana przez sztuczną inteligencję otoczka białkowa wywołała odpowiedź immunologiczną u myszy, która przewyższyła najnowsze potencjalne szczepionki w badaniach klinicznych.

Sztuczna inteligencja nie służy tylko szczepionkom. Ta sama strategia mogłaby zbudować bardziej zwarte i wydajne nośniki do terapii genowych lub przenosić przeciwciała i inne leki, które wymagają dodatkowej ochrony przed natychmiastowym rozkładem w organizmie.

Ale szerzej, badanie pokazuje, że możliwe jest projektowanie masowo złożonych architektur białek, zaczynając od ogólnej wizji, zamiast pracować z biologicznym odpowiednikiem płytek o wymiarach dwa na cztery.

„To zdumiewające, że zespół mógł to zrobić” powiedziany Dr Martin Noble z Newcastle University, który nie był zaangażowany w te prace. „Ewolucja zajmuje miliardy lat, aby zaprojektować pojedyncze białka, które dobrze się zwijają, ale jest to inny poziom złożoności, aby złożyć białka, aby tak dobrze do siebie pasowały i tworzyły zamknięte struktury”.

Ewolucja z prędkością warp

Sercem nowej pracy jest uczenie się przez wzmacnianie. Pewnie o tym słyszałeś. Luźno oparte na tym, jak mózg uczy się metodą prób i błędów, uczenie się przez wzmacnianie napędza wielu agentów AI, którzy szturmem podbili świat. Być może najbardziej znanym jest AlphaGo, produkt DeepMind, który zatriumfował nad ludzkim mistrzem świata w grze planszowej Go. Niedawno uczenie się przez wzmacnianie było przyspieszenie postępu w samojezdnych samochodach i nawet opracowując lepsze algorytmy poprzez usprawnienie podstawowych obliczeń.

W nowym badaniu zespół wykorzystał rodzaj algorytmu uczenia się przez wzmacnianie, zwany przeszukiwaniem drzewa Monte Carlo (MCTS). Choć brzmi to jak ruch w kasynie, jest popularną strategią uczenia się przez wzmacnianie, która wyszukuje zoptymalizowane decyzje.

Wyobraź sobie algorytm jako drzewo swoich życiowych decyzji. Prawdopodobnie wszyscy zastanawialiśmy się, jak wyglądałoby nasze życie, gdybyśmy w pewnym momencie dokonali innego wyboru. Jeśli narysujesz te alternatywne decyzje jako oś czasu – voilà, masz drzewo decyzyjne, z każdą kombinacją gałęzi prowadzących do innego wyniku.

MCTS jest więc trochę jak gra życia. Wybory są wybierane losowo w każdej gałęzi i podążają wzdłuż tej ścieżki drzewa. Po osiągnięciu ostatecznego wyniku zasila drzewo, aby zwiększyć prawdopodobieństwo pożądanego rozwiązania. To jak odkrywanie multiwersu w Wszystko, wszędzie, wszystko na raz— ale zamiast wyborów życiowych, tutaj chodzi o projektowanie białek.

Na początek zespół nakarmił algorytm MCTS miliony fragmentów białek z określonymi celami budowlanymi. Ilości fragmentów zostały dokładnie zważone: mniejsza liczba na każdym etapie obliczeń przyspiesza proces uczenia się sztucznej inteligencji i zwiększa różnorodność końcowego białka. Ale więcej elementów powoduje również gwałtowny wzrost czasu obliczeń i zużycia energii. Równoważąc dylemat, zespół zbudował kilka białkowych elementów strukturalnych jako punkt wyjścia do rozpoczęcia poszukiwań projektu białka.

Podobnie jak w przypadku cyfrowej Play-Doh, algorytm następnie skręcił lub zgiął fragmenty białek, aby sprawdzić, czy spełniają ogólne ograniczenia geometryczne końcowego białka – w tym jego szkielet i „punkty mocowania”, aby pomóc fragmentom w samoorganizacji. Jeśli symulacje uzyskały aprobatę, ich ścieżki obliczeniowe zostały „wzmocnione” w algorytmie. Opłucz i powtórz dziesiątki tysięcy razy, a program może dopracować optymalne poszczególne części dla określonego projektu.

Chociaż brzmi to jak ogromne przedsięwzięcie, algorytm był bardzo wydajny. Zespół wyjaśnił, że każda iteracja zajmowała średnio tylko dziesiątki milisekund.

Białka na żądanie

W końcu zespół dysponował potężnym algorytmem, który – niczym architekt – projektował białka na podstawie niestandardowych potrzeb. W jednym teście sztuczna inteligencja stworzyła szereg struktur białkowych, od graniastosłupów po piramidy i litery alfabetu, z których każda wypełnia określoną przestrzeń zgodnie z wymaganiami.

„Nasze podejście jest wyjątkowe, ponieważ wykorzystujemy uczenie się przez wzmacnianie, aby rozwiązać problem tworzenia kształtów białek, które pasują do siebie jak elementy układanki. To po prostu nie było możliwe przy użyciu wcześniejszych podejść i ma potencjał do przekształcania typów cząsteczek, które możemy zbudować” powiedziany autor badania Isaac Lutz.

Ale jak projekty AI przekładają się na prawdziwe życie?

Jako dowód koncepcji, zespół stworzył setki białek w laboratorium, aby przetestować ich wierność. Przy użyciu mikroskopu elektronowego białka zaprojektowane przez sztuczną inteligencję były prawie identyczne z przewidywanymi planami w skali atomowej.

Jednym z wyróżniających się projektów była pusta skorupa wykonana z dziesiątek kawałków białka. Nazywana kapsydem, struktura przypomina ochronną warstwę białkową dla wirusów – często używaną jako przewodnik do generowania szczepionek. W przeciwieństwie do poprzednich iteracji pociski generowane przez sztuczną inteligencję były gęsto upakowane wieloma punktami mocowania. Podobnie jak kotwy ścienne, mogą one pomóc strukturom przyczepić się do komórek lub lepiej zapakować materiał – leki, terapie genowe lub inne materiały biologiczne – wewnątrz rusztowania.

Zespół wyjaśnił, że te nanokapsydy o wielkości około 10 nanometrów są „znacznie mniejsze niż większość wirusów”.

Drobna rozmiarówka miała duży leczniczy wpływ. W jednym teście zespół pokropił kapsydy 60 kopiami białka, które pomaga stymulować wzrost naczyń krwionośnych w ludzkich komórkach z żył pępowinowych. Bańka białkowa stworzona przez sztuczną inteligencję przewyższyła poprzednią nanocząstkę ponad 10-krotnie. To „otwiera potencjalne zastosowania… w cukrzycy, urazach mózgu, udarach i innych przypadkach, w których naczynia krwionośne są zagrożone” – powiedziała autorka badania, dr Hannele Ruohola-Baker.

W innym eksperymencie w pełni wykorzystano gęste punkty mocowania na 20-bocznej skorupie, przekształcając kapsyd w wydajną szczepionkę. Tutaj zespół połączył białko grypy HA (hemaglutyninę grypy) z nanokapsydem i wstrzyknął je myszom. W porównaniu z podobnym, ale znacznie większym projektem szczepionki, który był już w badaniach klinicznych, rozwiązanie zaprojektowane przez sztuczną inteligencję wywołało silniejszą odpowiedź immunologiczną.

Na razie sztuczna inteligencja jest wciąż na wczesnym etapie. Ale jak pokazały ostatnie dwa lata, będzie szybko ewoluować. 20-boczna skorupa i inne struktury „różnią się od wszelkich wcześniej zaprojektowanych lub naturalnie występujących struktur” – powiedział zespół. Dzięki swoim niewielkim rozmiarom, ale dużej nośności, mogą potencjalnie tunelować wewnątrz jądra komórkowego - w którym znajduje się DNA - i wydajnie przenosić komponenty do edycji genów.

„Jego potencjał do tworzenia wszelkiego rodzaju architektur nie został jeszcze w pełni zbadany” – powiedział autor badania, dr Shunzhi Wang.

Źródło zdjęcia: Ian Haydon/ Instytut Medycyny UW ds. projektowania białek

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
• Wybijanie przyszłości w Adryenn Ashley. Dostęp tutaj.
• Źródło: https://singularityhub.com/2023/04/24/this-ai-can-design-complex-proteins-perfectly-tailored-to-our-needs/