Dirbtinis intelektas atskleidžia dirbtinių baltymų kūrimo receptą

Baltymų juostelės modelis. Kreditas: „Emw“ / „Wikimedia CC BY-SA 3.0“

Baltymai yra svarbūs ląstelėms, atliekantys sudėtingas užduotis katalizuodami chemines reakcijas. Mokslininkai ir inžinieriai jau seniai stengėsi pasinaudoti šia galia kurdami dirbtinius baltymus, kurie galėtų atlikti naujas užduotis, pavyzdžiui, išgydyti ligas, surinkti anglį ar surinkti energiją, tačiau daugelis procesų, naudojamų tokiems baltymams sukurti, yra lėti, sudėtingi ir nesėkmingi. aukštas lygis. ,

Pritzkerio molekulinės inžinerijos mokyklos tyrėjų vadovaujama komanda galėtų pakeisti sveikatos priežiūrą, žemės ūkį ir energetiką. Čikagos universitetas sukūrė dirbtinio intelekto valdomą procesą, kurio metu naudojami dideli duomenys kuriant naujus baltymus.

Kurdami mašininio mokymosi modelius, galinčius peržiūrėti informaciją apie baltymus iš genomų duomenų bazių, mokslininkai nustatė gana paprastas dirbtinių baltymų konstravimo taisykles. Kai komanda laboratorijoje pastatė šiuos dirbtinius baltymus, jie nustatė, kad jie taip gerai atliko cheminius procesus, kad konkuravo su gamtoje esančiais.

„Mes visi stebėjomės, kaip toks paprastas evoliucijos procesas galėtų sukelti tokią labai efektyvią medžiagą kaip baltymas“, – sakė biochemijos, molekulinės biologijos ir molekulių inžinerijos profesorė Rama Ranganathan. “Mes nustatėme, kad genomo duomenyse buvo daug informacijos apie baltymų struktūros և funkcijos pagrindines taisykles, dabar mes galime išpilstyti gamtos taisykles, kad patys gamintume baltymus”.

Rezultatai buvo paskelbti žurnale Mokslas:,

Dirbtinio intelekto naudojimas mokantis dizaino taisyklių

Baltymai susideda iš šimtų ar tūkstančių amino rūgštys, և tai yra amino grupės rūgštis Sekos nurodo baltymo struktūrą ir funkciją. Tačiau suprasti, kaip sukurti šias sekas, kad būtų sukurtos naujos rožės, buvo sunku. Ankstesni darbai davė metodų, kurie gali paaiškinti struktūrą, tačiau funkcija buvo sunkiau suvokiama.

Tai, ką Ranganathanas ir jo kolegos suprato per pastaruosius 15 metų, yra tai, kad greitai augančiose genomo duomenų bazėse yra daugybė informacijos apie pagrindines baltymų struktūros ir funkcijos taisykles. Jo komanda, remdamasi šiais duomenimis, sukūrė matematinius modelius, o tada pradėjo naudoti mašininio mokymo metodus, kad rastų naujos informacijos apie pagrindines baltymų projektavimo taisykles.

Šiam tyrimui jie tyrė metabolinių fermentų chromatomazių šeimą – baltymų tipą, kuris yra būtinas daugelio bakterijų, grybų ir augalų gyvybei. Naudodamiesi mašininio mokymosi modeliais, mokslininkai sugebėjo atskleisti paprastas projektavimo taisykles, kuriomis grindžiami šie baltymai.

Modelis rodo, kad norint išlaikyti naujas dirbtines sekas, kurios turės baltymų šeimos savybių, pakanka paprasčiausiai išlaikyti aminorūgščių pozicijas փոխ aminorūgščių porų evoliucinį ryšį.

„Paprastai manome, kad norint ką nors sukurti, pirmiausia reikia giliai suprasti, kaip tai veikia“, – sakė Ranganathanas. “Bet jei turite pakankamai duomenų pavyzdžių, galite naudoti išsamius mokymosi metodus, kad išmoktumėte dizaino taisykles, net jei suprantate, kaip tai veikia arba kodėl ji taip sukurta”.

Tada jis ir jo kolegos sukūrė sintetinius genus baltymams koduoti, klonavo juos į bakterijas ir stebėjo, kaip bakterijos gamina sintetinius baltymus naudodamos savo įprastas ląstelių mašinas. Jie nustatė, kad dirbtiniai baltymai atliko tą pačią katalizinę funkciją kaip ir natūralūs chorizo ​​mutazės baltymai.

“Mes nustatėme, kad genomo duomenyse buvo daug informacijos apie pagrindines baltymų struktūros և funkcijos taisykles. Dabar mes galime išpilstyti gamtos taisykles, kad patys gamintume baltymus”.

Profesorius Rama Ranganathan

Platforma suprasti kitas sudėtingas sistemas

Kadangi dizaino taisyklės yra gana paprastos, dirbtinių baltymų, kuriuos tyrėjai gali su jais sukurti, kiekis yra milžiniškas.

„Apribojimai yra daug mažesni, nei mes kada nors įsivaizdavome, kokie jie bus“, – sakė Ranganathanas. “Gamtos projektavimo taisyklės yra paprastos. Manome, kad panašūs metodai gali padėti mums ieškoti modelių kitose sudėtingose ​​biologinėse sistemose, tokiose kaip ekosistemos ar smegenys.”

Nors dirbtinis intelektas atskleidė dizaino taisykles, Ranganathanas և ir jo bendradarbiai iki šiol iki galo nesupranta, kodėl modeliai veikia. Toliau jie bandys suprasti, kaip modeliai padarė šią išvadą. „Reikia atlikti daug daugiau darbų“, – sakė jis.

Tuo pat metu jie tikisi pasinaudoti šia platforma kurdami baltymus, kurie galėtų spręsti aktualias visuomenės problemas, tokias kaip klimato kaita. Ranganatanas և doc. Profesorius Andrew Fergusonas įkūrė įmonę „Evozyne“, kuri šią technologiją komercializuotų naudodama energiją, aplinką, katalizę ir žemės ūkį. Ranganathanas bendradarbiavo su UChicago „Polsky Entrepreneurship և Innovation Center“, norėdamas kreiptis dėl patentų և IP patentavimo įmonės.

„Ši sistema suteikia mums galimybę racionaliai sukurti baltymų molekules taip, kaip visada svajojome“, – sakė jis. „Tai gali ne tik išmokyti mus, kaip veikia baltymai, kaip jie vystosi, bet ir padėti rasti sprendimus tokiems klausimams kaip anglies sekvestracija ir energijos atkūrimas. “Net baltymų tyrimai apskritai gali netgi padėti išmokyti mus, kaip iš tikrųjų veikia šiuolaikinio mašininio mokymosi pagrindai.

Nuoroda. William P. Rassi, Matteo Figlusi, Christianas Stokeris, Pierre’as Barat-Charlea, Michaelas Sokolicas, Peteris Castas, Donaldas Hilvertas, Remy Monasonas, Simona Cocco, Martinas Weigtas և Rama , Mokslas:,
DOI: 10.1126 / mokslas.aba3304:

Kiti laikraščio autoriai yra Williamas P. Russ iš Teksaso universiteto pietvakarių medicinos centro universiteto; Martin Weigt, Matteo Figlusi և Pierre Barat-Charlene Sorbonne universitetas; Christianas Stokeris, Peteris Castas, Donaldas Hilvertas iš ETH ur yurich; Simona Kokko և Remy Monason iš „Ecol Normal Superio Laboratory“; : Michaelas Sokolichas iš Čikagos universiteto.

Nacionaliniai sveikatos institutai, Robertas A. Šiems tyrimams finansavimą teikia Welch fondas, Čikagos universiteto duomenų centras, Sistemų biologijos centras, Pietvakarių medicinos centras, Teksaso universitetas, ES H2020 tyrimų ir inovacijų projektas ir „Agence Nationale de la“. Recherche և Šveicarijos nacionalinis mokslo fondas.

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Naujų atradimų apie milijardus mikrobų pavertimą mūsų kūnu pavertimas įvairiomis ligomis

Įvairūs MIT tyrėjai naujus atradimus apie milijardus mikrobų paverčia žmogaus kūnu įvairiausių ligų gydymu. Įvairūs mokslininkai naujus atradimus apie milijardus mikrobų paverčia kūnu įvairiausių ligų...

MIT neurologai nustato hipokampo smegenų sąsają, koduojančią įvykių laiką

MIT neuromokslininkai nustatė, kad hipokampo CA2 regione esančios piramidinės ląstelės (žalios) yra atsakingos už kritinės informacijos saugojimą. Kreditas: „Tonegawa Lab“, redagavo „MIT News“ Išvados...

Vibruojančių molekulių naudojimas medžiagos bangų savybėms tirti

HD + molekuliniai jonai (geltonos ir raudonos taškų poros) jonų gaudyklėje (pilka) yra apšvitinti lazerio banga (raudona). Tai sukelia kvantinį šuolį pakeistų molekulių joninės...

Naujas dizainas pagerina naujos kartos perovskitų kraujo ląstelių efektyvumą

Autorius: Davidas L. Chandleris, Masačusetso technologijos institutas 2021 m. Vasario 27 d Šiame paveikslėlyje perovskito fotovoltai fone rodomi su atskirais perovskito kristalais, kurie rodomi kaip...

Naujas odos pleistras nuolat stebi širdies ir kraujagyslių sistemos signalus և biocheminius lygius

Šis minkštas, tamprus pleistras gali vienu metu kontroliuoti jo kraujospūdžio և biocheminį lygį. Paskola Wang laboratorija / San Diegas Kalifornijos universiteto, San Diego,...

Newsletter

Subscribe to stay updated.