โปรตีนเป็นสัตว์สังคม พวกมันยังเป็นกิ้งก่าอีกด้วย ขึ้นอยู่กับความต้องการของเซลล์ พวกมันจะเปลี่ยนโครงสร้างอย่างรวดเร็วและจับไปยังโมเลกุลชีวโมเลกุลอื่นๆ ด้วยการเต้นรำที่ซับซ้อน

มันไม่ใช่โรงละครอาหารค่ำโมเลกุล แต่ความร่วมมือเหล่านี้เป็นหัวใจสำคัญของกระบวนการทางชีววิทยา บางคนเปิดหรือปิดยีน คนอื่นๆ กระตุ้นเซลล์ "ซอมบี้" ที่แก่ชราเพื่อทำลายตัวเอง หรือรักษาความรู้ความเข้าใจและความทรงจำของเราให้อยู่ในรูปที่ดีที่สุดโดยการปรับโครงสร้างเครือข่ายสมองใหม่

การเชื่อมต่อเหล่านี้ได้สร้างแรงบันดาลใจให้กับการบำบัดที่หลากหลายแล้ว และการบำบัดใหม่ๆ ก็สามารถเร่งได้ด้วย AI ที่สามารถจำลองและออกแบบชีวโมเลกุลได้ แต่เครื่องมือ AI ก่อนหน้านี้มุ่งเน้นไปที่โปรตีนและปฏิสัมพันธ์ของพวกมันเพียงอย่างเดียว โดยแยกพันธมิตรที่ไม่ใช่โปรตีนออกไป

สัปดาห์นี้ เรียน in วิทยาศาสตร์ ขยายความสามารถของ AI ในการสร้างแบบจำลองชีวโมเลกุลอื่นๆ ที่หลากหลายที่จับกับโปรตีนทางกายภาพ รวมถึงโมเลกุลขนาดเล็กที่มีธาตุเหล็กซึ่งเป็นศูนย์กลางของตัวพาออกซิเจน

AI ใหม่นำโดย Dr. David Baker จากมหาวิทยาลัยวอชิงตัน โดยจะขยายขอบเขตของการออกแบบชีวโมเลกุลให้กว้างขึ้น RoseTTAFold All-Atom ได้รับการขนานนามว่า RoseTTAFold All-Atom สร้างขึ้นจากระบบที่มีโปรตีนเพียงอย่างเดียวก่อนหน้านี้เพื่อรวมเอาสารชีวโมเลกุลอื่นๆ มากมาย เช่น DNA และ RNA นอกจากนี้ยังเพิ่มโมเลกุลขนาดเล็ก เช่น เหล็ก ซึ่งเป็นส่วนประกอบสำคัญของการทำงานของโปรตีนบางชนิดอีกด้วย

AI เรียนรู้จากลำดับและโครงสร้างของส่วนประกอบเท่านั้น โดยไม่ทราบถึงโครงสร้าง 3 มิติของพวกมันเลย แต่สามารถแมปเครื่องจักรโมเลกุลที่ซับซ้อนในระดับอะตอมได้

ในการศึกษานี้ RoseTTAFold All-Atom เมื่อจับคู่กับ generative AI จะสร้างโปรตีนที่สามารถนำไปใช้เป็นยารักษาโรคหัวใจได้อย่างง่ายดาย อัลกอริธึมยังสร้างโปรตีนที่ควบคุมฮีม ซึ่งเป็นโมเลกุลที่อุดมด้วยธาตุเหล็กที่ช่วยให้เลือดนำพาออกซิเจน และบิลิน ซึ่งเป็นสารเคมีในพืชและแบคทีเรียที่ดูดซับแสงเพื่อการเผาผลาญ

ตัวอย่างเหล่านี้เป็นเพียงข้อพิสูจน์แนวคิดเท่านั้น ทีมงานกำลังเปิดตัว RoseTTAFold All-Atom สู่สาธารณะสำหรับนักวิทยาศาสตร์ เพื่อให้พวกเขาสามารถสร้างส่วนประกอบทางชีวภาพที่มีปฏิสัมพันธ์หลายรายการซึ่งมีความซับซ้อนมากกว่าโปรตีนเชิงซ้อนเพียงอย่างเดียว ในทางกลับกัน การสร้างสรรค์อาจนำไปสู่การบำบัดแบบใหม่ได้

“เป้าหมายของเราที่นี่คือการสร้างเครื่องมือ AI ที่สามารถสร้างการรักษาที่ซับซ้อนมากขึ้นและโมเลกุลที่มีประโยชน์อื่นๆ” Woody Ahern ผู้เขียนการศึกษากล่าวในการแถลงข่าว

ฝันค้าง

ในปี 2020 AlphaFold ของ Google DeepMind และ RoseTTAFold ของ Baker Lab ได้แก้ไขปัญหาการทำนายโครงสร้างโปรตีนที่ทำให้นักวิทยาศาสตร์งงงันมาเป็นเวลาครึ่งศตวรรษ และนำไปสู่ยุคใหม่ของการวิจัยโปรตีน อัลกอริธึมเวอร์ชันอัปเดตเหล่านี้แมปโครงสร้างโปรตีนทั้งหมดทั้งที่รู้จักและไม่รู้จักในทางวิทยาศาสตร์

ต่อมา AI เชิงสร้างสรรค์ซึ่งเป็นเทคโนโลยีที่อยู่เบื้องหลัง ChatGPT ของ OpenAI และ Gemini ของ Google ได้จุดประกายความคิดสร้างสรรค์ให้กับโปรตีนของนักออกแบบด้วยกิจกรรมที่หลากหลายที่น่าประทับใจ โปรตีนที่สร้างขึ้นใหม่บางชนิดควบคุมฮอร์โมนที่ควบคุมระดับแคลเซียม บ้างก็นำไปสู่เอนไซม์หรือโปรตีนเทียมที่สามารถทำได้ เปลี่ยนรูปร่างได้ง่าย เหมือนทรานซิสเตอร์ในวงจรอิเล็กทรอนิกส์

ด้วยการสร้างภาพหลอนให้กับโลกใหม่ของโครงสร้างโปรตีน AI กำเนิดจึงมีศักยภาพในการฝันถึงการสร้างโปรตีนสังเคราะห์เพื่อควบคุมชีววิทยาและสุขภาพของเรา

แต่มีปัญหาเกิดขึ้น โมเดลโปรตีน AI ของนักออกแบบมีวิสัยทัศน์แบบทันเนล: เป็นเช่นนั้น เกินไป มุ่งเน้นไปที่โปรตีน

เมื่อนึกถึงส่วนประกอบระดับโมเลกุลของชีวิต โปรตีน ดีเอ็นเอ และกรดไขมัน จะต้องคำนึงถึง แต่ภายในเซลล์ โครงสร้างเหล่านี้มักจะถูกยึดเข้าด้วยกันด้วยโมเลกุลขนาดเล็กที่ประกบกับส่วนประกอบที่อยู่รอบๆ รวมกันเป็นส่วนประกอบทางชีวภาพที่ใช้งานได้

ตัวอย่างหนึ่งคือฮีม ซึ่งเป็นโมเลกุลคล้ายวงแหวนที่มีธาตุเหล็กรวมอยู่ด้วย ฮีมเป็นพื้นฐานของฮีโมโกลบินในเซลล์เม็ดเลือดแดง ซึ่งส่งออกซิเจนไปทั่วร่างกายและจับไปที่โปรตีน “ตะขอ” ที่อยู่รอบๆ โดยใช้พันธะเคมีหลากหลายชนิด

ต่างจากโปรตีนหรือ DNA ซึ่งสามารถจำลองเป็นชุดของ “ตัวอักษรโมเลกุล” โมเลกุลขนาดเล็กและปฏิสัมพันธ์ของพวกมันนั้นยากต่อการจับภาพ แต่พวกมันมีความสำคัญอย่างยิ่งต่อกลไกโมเลกุลที่ซับซ้อนของชีววิทยาและสามารถเปลี่ยนแปลงหน้าที่ของมันได้อย่างมาก

ด้วยเหตุนี้ในการศึกษาใหม่นี้ นักวิจัยจึงตั้งเป้าที่จะขยายขอบเขตของ AI ให้กว้างไกลกว่าโปรตีน

“เรามุ่งมั่นที่จะพัฒนาวิธีการทำนายโครงสร้างที่สามารถสร้างพิกัด 3 มิติสำหรับอะตอมทั้งหมด” สำหรับโมเลกุลทางชีววิทยา รวมถึงโปรตีน DNA และการดัดแปลงอื่นๆ ผู้เขียนเขียนไว้ในรายงานของพวกเขา

แท็กทีม

ทีมงานเริ่มต้นด้วยการปรับเปลี่ยน AI แบบจำลองโปรตีนก่อนหน้านี้เพื่อรวมโมเลกุลอื่นๆ

AI ทำงานในสามระดับ ระดับแรกจะวิเคราะห์ลำดับ "ตัวอักษร" หนึ่งมิติของโปรตีน เช่น คำบนหน้าเว็บ จากนั้น แผนที่ 2 มิติจะติดตามว่า "คำ" ของโปรตีนแต่ละชนิดอยู่ห่างจากที่อื่นมากเพียงใด ในที่สุด พิกัด 3 มิติ—คล้ายกับ GPS—ทำแผนที่โครงสร้างโดยรวมของโปรตีน

จากนั้นก็มาถึงการอัพเกรด เพื่อรวมข้อมูลโมเลกุลขนาดเล็กเข้ากับแบบจำลอง ทีมงานได้เพิ่มข้อมูลเกี่ยวกับตำแหน่งของอะตอมและการเชื่อมต่อทางเคมีลงในสองชั้นแรก

ในส่วนที่สาม พวกเขามุ่งเน้นไปที่ chirality นั่นคือถ้าโครงสร้างของสารเคมีเป็นแบบซ้ายหรือขวา เช่นเดียวกับมือของเรา สารเคมีก็สามารถมีโครงสร้างที่สะท้อนได้เช่นกัน ผลกระทบทางชีวภาพที่แตกต่างกันอย่างมาก. เช่นเดียวกับการสวมถุงมือ เฉพาะ "มือ" ที่ถูกต้องของสารเคมีเท่านั้นที่สามารถใส่ "ถุงมือ" ที่ประกอบทางชีวภาพได้

จากนั้น RoseTTAFold All-Atom ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลหลายชุดซึ่งมีจุดข้อมูลหลายแสนจุดซึ่งอธิบายโปรตีน โมเลกุลขนาดเล็ก และการโต้ตอบของพวกมัน ในที่สุดก็ได้เรียนรู้คุณสมบัติทั่วไปของโมเลกุลขนาดเล็กที่เป็นประโยชน์ในการสร้างส่วนประกอบโปรตีนที่เป็นไปได้ ในการตรวจสอบสติ ทีมงานยังได้เพิ่ม "มาตรวัดความมั่นใจ" เพื่อระบุการคาดการณ์คุณภาพสูง ซึ่งนำไปสู่การประกอบทางชีวภาพที่เสถียรและใช้งานได้

ทีมงานเขียนว่า RoseTTAFold All-Atom ต่างจากโมเดล AI ที่ใช้โปรตีนเพียงอย่างเดียวก่อนหน้านี้ "สามารถสร้างแบบจำลองระบบชีวโมเลกุลเต็มรูปแบบได้"

ในชุดการทดสอบ แบบจำลองที่ได้รับการอัปเกรดมีประสิทธิภาพเหนือกว่าวิธีการก่อนหน้านี้ เมื่อเรียนรู้ที่จะ "เชื่อมต่อ" โมเลกุลขนาดเล็กเข้ากับโปรตีนที่กำหนด ซึ่งเป็นองค์ประกอบสำคัญของการค้นพบยา โดยการทำนายปฏิกิริยาระหว่างโปรตีนและโมเลกุลที่ไม่ใช่โปรตีนอย่างรวดเร็ว

เผชิญโลกใหม่

การรวมโมเลกุลขนาดเล็กเข้าด้วยกันจะเปิดอีกระดับของการออกแบบโปรตีนแบบกำหนดเอง

เพื่อเป็นการพิสูจน์แนวคิด ทีมงานได้ประสาน RoseTTAFold All-Atom ด้วยโมเดล AI เชิงสร้างสรรค์ที่พวกเขามี พัฒนามาก่อน และออกแบบคู่โปรตีนสำหรับโมเลกุลขนาดเล็กที่แตกต่างกันสามโมเลกุล

อย่างแรกคือดิจอกซีเจนินซึ่งใช้รักษาโรคหัวใจ แต่อาจมีผลข้างเคียงได้ โปรตีนที่จับกับมันช่วยลดความเป็นพิษ แม้ว่าจะไม่มีความรู้เกี่ยวกับโมเลกุลมาก่อน AI ก็ออกแบบสารยึดเกาะโปรตีนหลายชนิดที่ช่วยควบคุมระดับดิจอกซิเจนินเมื่อทำการทดสอบในเซลล์เพาะเลี้ยง

นอกจากนี้ AI ยังออกแบบโปรตีนที่จับกับฮีม ซึ่งเป็นโมเลกุลขนาดเล็กที่สำคัญต่อการถ่ายโอนออกซิเจนในเซลล์เม็ดเลือดแดง และบิลินซึ่งช่วยให้สิ่งมีชีวิตหลายชนิดดูดซับแสง

แตกต่างจากวิธีการก่อนหน้านี้ ทีมงานอธิบายว่า AI สามารถ "สร้างโปรตีนใหม่ได้ทันที" ที่จับโมเลกุลขนาดเล็กโดยไม่ต้องมีความรู้จากผู้เชี่ยวชาญ

นอกจากนี้ยังสามารถคาดการณ์ได้อย่างแม่นยำสูงเกี่ยวกับความแข็งแรงของการเชื่อมต่อระหว่างโปรตีนและโมเลกุลขนาดเล็กในระดับอะตอม ทำให้สามารถสร้างจักรวาลใหม่ของโครงสร้างชีวโมเลกุลที่ซับซ้อนได้อย่างมีเหตุผล

“ด้วยการเสริมศักยภาพให้กับนักวิทยาศาสตร์ทั่วโลกเพื่อสร้างชีวโมเลกุลด้วยความแม่นยำอย่างที่ไม่เคยมีมาก่อน เรากำลังเปิดประตูสู่การค้นพบที่ก้าวล้ำและการนำไปประยุกต์ใช้จริงที่จะกำหนดอนาคตของการแพทย์ วัสดุศาสตร์ และอื่นๆ” Baker กล่าว

เครดิตรูปภาพ: เอียน ซี. เฮย์ดอน

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://singularityhub.com/2024/03/08/this-ai-can-design-biomolecular-machines-with-atomic-precision/