Scoperta nella ricerca sulle proteine: il nuovo modello di intelligenza artificiale rivoluziona la progettazione dei farmaci!

Scoperta nella ricerca sulle proteine: il nuovo modello di intelligenza artificiale rivoluziona la progettazione dei farmaci!

Un gruppo di ricerca di Libera Università di Berlino in collaborazione con Microsoft Research AI per la scienza ha fatto un passo avanti significativo nella modellazione delle proteine ​​biologiche. Questo test è il fulcro del 10 luglio sulla rivista Scienza studio pubblicato dal titolo “Scalable emulation of protein Balance ensembles with generative deep learning”. Le nuove scoperte potrebbero facilitare i futuri progressi nella progettazione dei farmaci e nella ricerca biomedica.

L'obiettivo principale dello studio è l'introduzione di BioEmu, un innovativo sistema generativo di deep learning per emulare il comportamento di equilibrio delle proteine. BioEmu è caratterizzato dalla sua elevata precisione e accuratezza ed è destinato a riflettere meglio la funzione di molte proteine ​​la cui attività dipende fortemente dalla loro struttura dinamica. Un obiettivo chiave dello sviluppo è aumentare il tasso di successo dei nuovi principi attivi negli studi clinici.

Innovazione tecnologica e maggiore efficienza

Da notare è la capacità di BioEmu di generare migliaia di strutture proteiche statisticamente indipendenti all'ora su una singola scheda grafica (GPU). Ciò porta a una significativa riduzione dei costi e dei tempi necessari per indagare sui cambiamenti strutturali funzionalmente rilevanti. Combinando oltre 200 millisecondi di simulazioni di dinamica molecolare con dati sperimentali, BioEmu raggiunge la previsione di insiemi strutturali e proprietà termodinamiche con una precisione quasi sperimentale.

I gruppi di ricerca guidati dal Prof. Dr. Frank Noé e dalla Prof. Dr. Cecilia Clementi hanno dato un importante contributo allo sviluppo. Il Prof. Noé, Partner Research Manager presso Microsoft Research e professore onorario presso la FU di Berlino, sottolinea che BioEmu può anche prevedere cambiamenti strutturali complessi come tasche di legame nascoste e i movimenti di interi domini proteici. Ciò consente una previsione precisa dei cambiamenti di stabilità delle proteine ​​con una precisione paragonabile alle analisi di laboratorio.

Approcci tradizionali vs deep learning

Le attuali tecniche di simulazione della dinamica molecolare sono note per essere lente, costose e ad alta intensità di risorse. BioEmu offre un'alternativa più veloce ed economica. Sviluppato da Sarah Lewis e dal suo team, il modello combina dati di addestramento provenienti dalle previsioni della struttura AlphaFold, simulazioni di dinamica molecolare su larga scala e ampie misurazioni sperimentali della stabilità delle proteine.

Tuttavia, ci sono anche delle limitazioni: BioEmu non modella nativamente la dinamica molecolare o le interazioni con membrane e ligandi, né tiene conto di condizioni ambientali variabili come temperatura o pH. Tuttavia, gli autori si aspettano che il modello dimostri come il deep learning possa ammortizzare gli alti costi di simulazioni ed esperimenti per consentire una previsione su larga scala e basata sui dati della funzione proteica.

Implicazioni pratiche e ricerche future

Un aspetto significativo dello studio è la pubblicazione da parte di Microsoft Research di un ampio set di dati utilizzato per sviluppare BioEmu. Questo set di dati è la più grande raccolta pubblicamente disponibile di simulazioni di proteine ​​con sequenza diversa. L'ampia disponibilità del codice sorgente BioEmu sotto la licenza del MIT apre nuove strade nella ricerca bioinformatica e nella progettazione di farmaci.

Ricerche come queste sono cruciali per comprendere la biologia e il funzionamento delle proteine ​​che passano da una forma all’altra. Questa rimane una sfida fondamentale per la scienza, soprattutto nel campo della biotecnologia e della ricerca medica.