Białka są stworzeniami społecznymi. To także kameleony. W zależności od potrzeb komórki szybko zmieniają swoją strukturę i w skomplikowanym tańcu chwytają się innych biomolekuł.

To nie jest teatr molekularny. Przeciwnie, te partnerstwa są sercem procesów biologicznych. Niektórzy włączają i wyłączają geny. Inni popychają starzejące się komórki „zombie” do samozniszczenia lub utrzymywania naszego poznania i pamięci w doskonałej kondycji poprzez przekształcanie sieci mózgowych.

Połączenia te zainspirowały już szeroką gamę terapii, a nowe terapie można przyspieszyć dzięki sztucznej inteligencji, która może modelować i projektować biomolekuły. Jednak poprzednie narzędzia AI skupiały się wyłącznie na białkach i ich interakcjach, odrzucając na bok ich partnerów niebiałkowych.

W tym tygodniu badanie in nauka rozszerzyła zdolność sztucznej inteligencji do modelowania szerokiej gamy innych biomolekuł, które fizycznie chwytają białka, w tym małych cząsteczek zawierających żelazo, które tworzą centrum nośników tlenu.

Nowa sztuczna inteligencja, kierowana przez dr Davida Bakera z Uniwersytetu Waszyngtońskiego, poszerza zakres projektowania biomolekularnego. Nazwany RoseTTAFold All-Atom, opiera się na wcześniejszym systemie składającym się wyłącznie z białek i zawiera niezliczone inne biomolekuły, takie jak DNA i RNA. Dodaje także małe cząsteczki – na przykład żelazo – które są integralną częścią niektórych funkcji białek.

Sztuczna inteligencja uczy się jedynie na podstawie sekwencji i struktury komponentów – nie mając pojęcia o ich strukturze 3D – ale potrafi mapować złożone maszyny molekularne na poziomie atomowym.

W badaniu, w połączeniu z generatywną sztuczną inteligencją, RoseTTAFold All-Atom wytworzył białka, które z łatwością wchłaniały się w leki na choroby serca. Algorytm wygenerował także białka regulujące hem – cząsteczkę bogatą w żelazo, która pomaga krwi przenosić tlen, oraz bilinę – substancję chemiczną występującą w roślinach i bakteriach, która pochłania światło na potrzeby ich metabolizmu.

Te przykłady to tylko dowód słuszności koncepcji. Zespół udostępnia naukowcom RoseTTAFold All-Atom, aby mogli tworzyć wiele oddziałujących na siebie biokomponentów o znacznie większej złożoności niż same kompleksy białkowe. To z kolei może zaowocować nowymi terapiami.

„Naszym celem było zbudowanie narzędzia sztucznej inteligencji, które mogłoby generować bardziej wyrafinowane terapie i inne przydatne cząsteczki” – powiedział autor badania Woody Ahern w komunikacie prasowym.

Dream On

W 2020 roku AlphaFold firmy Google DeepMind i RoseTTAFold firmy Baker Lab rozwiązały problem przewidywania struktury białek, który wprawiał naukowców w zakłopotanie przez pół wieku i zapoczątkował nową erę badań nad białkami. Zaktualizowane wersje tych algorytmów mapowały wszystkie struktury białkowe, zarówno znane, jak i nieznane nauce.

Następnie generatywna sztuczna inteligencja – technologia stojąca za ChatGPT OpenAI i Gemini firmy Google – wywołała twórczy szał projektantów białek o imponującym zakresie aktywności. Niektóre nowo wytworzone białka regulowały hormon kontrolujący poziom wapnia. Inne doprowadziły do ​​powstania sztucznych enzymów lub białek, które mogłyby to zrobić łatwo zmieniają swój kształt jak tranzystory w obwodach elektronicznych.

Tworząc halucynacje dotyczące nowego świata struktur białkowych, generatywna sztuczna inteligencja może potencjalnie stworzyć generację syntetycznych białek, które będą regulować naszą biologię i zdrowie.

Ale jest problem. Projektowane modele białek AI mają wizję tunelową: są także skupiona na białkach.

Kiedy wyobrażamy sobie molekularne składniki życia, na myśl przychodzą nam białka, DNA i kwasy tłuszczowe. Jednak wewnątrz komórki struktury te są często utrzymywane razem przez małe cząsteczki, które łączą się z otaczającymi je składnikami, tworząc razem funkcjonalny biozespół.

Jednym z przykładów jest hem, cząsteczka przypominająca pierścień zawierająca żelazo. Hem jest podstawą hemoglobiny w czerwonych krwinkach, która transportuje tlen po całym organizmie i chwyta otaczające „haczyki” białkowe za pomocą różnych wiązań chemicznych.

W przeciwieństwie do białek czy DNA, które można modelować jako ciąg molekularnych „liter”, małe cząsteczki i ich interakcje są trudne do uchwycenia. Mają jednak kluczowe znaczenie dla złożonych maszyn molekularnych biologii i mogą radykalnie zmienić ich funkcje.

Dlatego w swoim nowym badaniu naukowcy postawili sobie za cel rozszerzenie zakresu sztucznej inteligencji poza białka.

„Postanowiliśmy opracować metodę przewidywania struktury zdolną do generowania współrzędnych 3D dla wszystkich atomów” dla cząsteczki biologicznej, w tym białek, DNA i innych modyfikacji, napisali autorzy w swoim artykule.

Tag Team

Zespół rozpoczął od zmodyfikowania poprzedniej sztucznej inteligencji do modelowania białek w celu włączenia innych cząsteczek.

Sztuczna inteligencja działa na trzech poziomach: pierwszy analizuje jednowymiarową sekwencję „liter” białka, niczym słowa na stronie. Następnie mapa 2D śledzi odległość poszczególnych „słów” białek od innych. Wreszcie współrzędne 3D – trochę jak GPS – odwzorowują ogólną strukturę białka.

Następnie następuje aktualizacja. Aby uwzględnić w modelu informacje o małych cząsteczkach, zespół dodał dane o miejscach atomowych i połączeniach chemicznych do pierwszych dwóch warstw.

W trzecim skupili się na chiralności – to znaczy, czy struktura substancji chemicznej jest lewoskrętna, czy prawoskrętna. Podobnie jak nasze dłonie, chemikalia mogą również mieć lustrzane struktury znacznie różniące się konsekwencje biologiczne. Podobnie jak zakładanie rękawiczek, tylko prawidłowa „ręczność” substancji chemicznej może pasować do danej „rękawicy” biomontażu.

Następnie RoseTTAFold All-Atom przeszkolono na wielu zbiorach danych zawierających setki tysięcy punktów danych opisujących białka, małe cząsteczki i ich interakcje. W końcu udało mu się poznać ogólne właściwości małych cząsteczek przydatne do budowania wiarygodnych zespołów białkowych. W ramach kontroli zdrowego rozsądku zespół dodał także „wskaźnik pewności”, aby zidentyfikować wysokiej jakości przewidywania — takie, które prowadzą do stabilnych i funkcjonalnych biozespołów.

W przeciwieństwie do poprzednich modeli AI opartych wyłącznie na białkach, RoseTTAFold All-Atom „może modelować pełne systemy biomolekularne” – napisał zespół.

W serii testów ulepszony model uzyskał lepsze wyniki niż poprzednie metody, jeśli chodzi o naukę „dokowania” małych cząsteczek do danego białka – co jest kluczowym elementem odkrywania leków – dzięki szybkiemu przewidywaniu interakcji między białkami i cząsteczkami niebiałkowymi.

Brave New World

Włączenie małych cząsteczek otwiera zupełnie nowy poziom niestandardowego projektowania białek.

Aby potwierdzić słuszność koncepcji, zespół połączył RoseTTAFold All-Atom z posiadanym generatywnym modelem sztucznej inteligencji wcześniej opracowany i zaprojektowali partnerów białkowych dla trzech różnych małych cząsteczek.

Pierwszą z nich była digoksygenina, która jest stosowana w leczeniu chorób serca, ale może powodować działania niepożądane. Białko, które się go chwyta, zmniejsza toksyczność. Nawet bez wcześniejszej wiedzy na temat tej cząsteczki sztuczna inteligencja zaprojektowała kilka substancji wiążących białka, które obniżają poziom digoksygeniny podczas testów w hodowanych komórkach.

Sztuczna inteligencja zaprojektowała także białka wiążące się z hemem – małą cząsteczką niezbędną do przenoszenia tlenu w czerwonych krwinkach, oraz bilinę, która pomaga różnym stworzeniom absorbować światło.

Zespół wyjaśnił, że w przeciwieństwie do poprzednich metod sztuczna inteligencja może „łatwo generować nowe białka”, które chwytają małe cząsteczki bez żadnej specjalistycznej wiedzy.

Może także dokonywać bardzo dokładnych przewidywań dotyczących siły połączeń między białkami i małymi cząsteczkami na poziomie atomowym, umożliwiając racjonalne zbudowanie zupełnie nowego wszechświata o złożonych strukturach biomolekularnych.

„Umożliwiając naukowcom na całym świecie generowanie biomolekuł z niespotykaną dotąd precyzją, otwieramy drzwi do przełomowych odkryć i praktycznych zastosowań, które ukształtują przyszłość medycyny, materiałoznawstwa i nie tylko” – powiedział Baker.

Źródło zdjęcia: Ian C. Haydon

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://singularityhub.com/2024/03/08/this-ai-can-design-biomolecular-machines-with-atomic-precision/