Ученые из Медицинской школы Вашингтонского университета использовали искусственный интеллект для проектирования новых белковых молекул, что открывает захватывающие возможности для выявления и лечения заболеваний.
Эффективность лекарства при лечении заболевания во многом зависит от того, насколько специфично оно прикрепляется к мишени, вызывающей заболевание, и насколько прочно оно к ней прикрепляется.
Почти бесконечное количество потенциальных форм белков делает создание белка с высокой аффинностью (прочностью связывания) и высокой специфичностью чрезвычайно сложной задачей.
Найти белки, которые прочно связываются со спиральными пептидами-мишенями, такими как глюкагон, нейропептид Y и паратиреоидный гормон, - вот сложная задача, с которой, как надеются исследователи, может помочь искусственный интеллект. Их работа, Опубликовано в журнале Natureпоказывает, что искусственный интеллект может совершить революцию разработка лекарств.
Исследователи впервые использовали методы глубокого обучения галлюцинаций с помощью AlphaFold2 и RosettaFold. Эти продвинутые программы искусственного интеллекта очень помогли в разработке новых белков, но они потребляют много вычислительной мощности.
Пытаясь найти более эффективный с точки зрения вычислений метод проектирования белков, исследователи обратились к подходу, схожему с тем, который используется в таких моделях генераторов изображений искусственного интеллекта, как Stable Diffusion и DALL-E.
Бумага сегодня @Nature описывает @UWproteindesign Созданный с помощью ИИ белок с исключительно высокой аффинностью и специфичностью связывания. Эта биотехнология может быть использована для разработки лекарств, выявления заболеваний и мониторинга окружающей среды. https://t.co/KhtGhiyf6I
- Отдел новостей UW Medicine (@uwmnewsroom) 18 декабря 2023 года
RFdiffusion
RFdiffusion - это новаторская генеративная модель искусственного интеллекта, которая обучается на данных об известных белковых структурах. Затем модель итеративно уточняет и переставляет атомы в определенные белковые структуры.
RFdiffusion была обучена итеративно удалять шум из облаков несвязанных атомов, а затем перестраивать их в новые белковые структуры. Эта модель использовалась в сочетании с программным инструментом ProteinMPNN, разработанным в лаборатории Бейкера, входящей в состав Институт дизайна белков в Университете Вашингтона.
ProteinMPNN берет на вход структуру белка и использует методы глубокого обучения для быстрого определения новых аминокислотных последовательностей, которые, скорее всего, будут складываться в определенные белковые структуры.
Захватывающие результаты
Белки, созданные исследователями, демонстрировали исключительно высокую аффинность и специфичность по отношению к пептидам, на которые они нацеливались. Это означает, что их можно использовать для создания лекарств, которые направлены на причину заболевания, а не связываются с нежелательными мишенями и могут вызывать побочные эффекты.
Синтез белков - явление не новое, но этот новый подход позволил получить белки с самой высокой силой взаимодействия между биомолекулой, созданной компьютером, и ее мишенью.
Дэвид Бейкер, профессор биохимии в UW Medicine и научный сотрудник Медицинского института Говарда Хьюза, был ведущим автором научной статьи.
Бейкер объяснил значение полученных результатов так: "Способность генерировать новые белки с таким высоким сродством к связыванию и специфичностью открывает целый мир возможностей - от новых методов лечения заболеваний до передовой диагностики".
В настоящее время существует множество заболеваний, для лечения которых используются антитела. Однако производство антител обходится дорого, а срок их годности невелик.
Претхам Венкатеш, один из ведущих исследователей, сказал: "Сегодня существует множество заболеваний, которые трудно лечить только потому, что очень сложно обнаружить определенные молекулы в организме. В качестве инструментов для диагностики разработанные белки могут стать более экономичной альтернативой антителам".
Исследователи смогли проверить свои методы биодизайна, проведя лабораторные испытания в сотрудничестве с лабораторией Джозефа Роджерса в Университете Копенгагена и лабораторией Эндрю Хуфнагла в UW Medicine.
Это исследование - отличный пример того, как искусственный интеллект ускоряет разработку новых методов лечения заболеваний. Работа еще не прошла рецензирование, но первые результаты очень интересны.
