Proboj u istraživanju proteina: Novi AI model revolucionizira dizajn lijekova!

Proboj u istraživanju proteina: Novi AI model revolucionizira dizajn lijekova!

Istraživački tim iz Slobodno sveučilište u Berlinu u suradnji sa Microsoft Research AI za znanost napravio je značajan napredak u modeliranju bioloških proteina. Ovaj test je srž časopisa od 10. srpnja Znanost objavljena studija pod naslovom “Skalabilna emulacija proteinskih ravnotežnih ansambala s generativnim dubokim učenjem”. Nova otkrića mogla bi olakšati budući napredak u dizajnu lijekova i biomedicinskim istraživanjima.

Glavni fokus studije je uvođenje BioEmu, inovativnog generativnog dubokog sustava učenja za oponašanje ravnotežnog ponašanja proteina. BioEmu karakterizira visoka preciznost i točnost i namijenjen je boljem odražavanju funkcije mnogih proteina čija aktivnost uvelike ovisi o njihovoj dinamičkoj strukturi. Ključni cilj razvoja je povećati stopu uspješnosti novih aktivnih sastojaka u kliničkim studijama.

Tehnološke inovacije i povećana učinkovitost

Treba spomenuti sposobnost BioEmu-a da generira tisuće statistički neovisnih proteinskih struktura po satu na jednoj grafičkoj kartici (GPU). To dovodi do značajnog smanjenja troškova i vremena potrebnog za istraživanje funkcionalno relevantnih strukturnih promjena. Kombiniranjem više od 200 milisekundi simulacija molekularne dinamike s eksperimentalnim podacima, BioEmu postiže predviđanje strukturnih sklopova i termodinamičkih svojstava s točnošću gotovo eksperimentalnom.

Istraživački timovi koje vode prof. dr. Frank Noé i prof. dr. Cecilia Clementi dali su važan doprinos razvoju. Prof. Noé, Partner Research Manager u Microsoft Researchu i počasni profesor na FU Berlin, naglašava da BioEmu također može predvidjeti složene strukturne promjene kao što su skriveni džepovi za vezivanje i kretanja cijelih proteinskih domena. To omogućuje precizno predviđanje promjena stabilnosti proteina s točnošću usporedivom s laboratorijskom analizom.

Tradicionalni pristupi vs. dubinsko učenje

Poznato je da su trenutne tehnike simulacije molekularne dinamike spore, skupe i zahtijevaju mnogo resursa. BioEmu nudi bržu i jeftiniju alternativu. Razvili su ga Sarah Lewis i njezin tim, model kombinira podatke o vježbanju iz predviđanja strukture AlphaFolda, simulacije molekularne dinamike velikih razmjera i opsežna eksperimentalna mjerenja stabilnosti proteina.

Međutim, postoje i ograničenja: BioEmu izvorno ne modelira molekularnu dinamiku ili interakcije s membranama i ligandima, niti uzima u obzir varijabilne uvjete okoline kao što su temperatura ili pH. Ipak, autori očekuju da će model pokazati kako duboko učenje može amortizirati visoke troškove simulacija i eksperimenata kako bi se omogućilo veliko predviđanje funkcije proteina temeljeno na podacima.

Praktične implikacije i buduća istraživanja

Značajan aspekt studije je Microsoft Research objava velikog skupa podataka korištenih za razvoj BioEmu. Ovaj skup podataka najveća je javno dostupna zbirka simulacija proteina različitih sekvenci. Široka dostupnost izvornog koda BioEmu pod licencom MIT-a otvara nove puteve u istraživanju bioinformatike i dizajnu lijekova.

Istraživanja poput ovog ključna su za razumijevanje biologije i funkcioniranja proteina koji se mijenjaju između različitih oblika. To ostaje ključni izazov za znanost, posebno u biotehnologiji i medicinskim istraživanjima.