Przełom w badaniach nad białkami: nowy model sztucznej inteligencji rewolucjonizuje projektowanie leków!

Przełom w badaniach nad białkami: nowy model sztucznej inteligencji rewolucjonizuje projektowanie leków!

Zespół badawczy z Wolny Uniwersytet w Berlinie we współpracy z Microsoft Research AI dla nauki dokonał znaczącego przełomu w modelowaniu białek biologicznych. Ten test jest rdzeniem 10 lipca w czasopiśmie Nauka opublikowali badanie zatytułowane „Scalable emulation of protein równowaga zespołów z generatywnym głębokim uczeniem się”. Nowe odkrycia mogą ułatwić przyszłe postępy w projektowaniu leków i badaniach biomedycznych.

Głównym celem badania jest wprowadzenie BioEmu, innowacyjnego generatywnego systemu głębokiego uczenia się, służącego do emulacji zachowania równowagi białek. BioEmu charakteryzuje się dużą precyzją i dokładnością i ma lepiej odzwierciedlać funkcję wielu białek, których aktywność zależy w dużym stopniu od ich dynamicznej struktury. Kluczowym celem rozwoju jest zwiększenie skuteczności nowych składników aktywnych w badaniach klinicznych.

Innowacje technologiczne i zwiększona wydajność

Godna uwagi jest zdolność BioEmu do generowania tysięcy statystycznie niezależnych struktur białkowych na godzinę na pojedynczej karcie graficznej (GPU). Prowadzi to do znacznej redukcji kosztów i czasu potrzebnego na badanie istotnych funkcjonalnie zmian strukturalnych. Łącząc ponad 200 milisekund symulacji dynamiki molekularnej z danymi eksperymentalnymi, BioEmu umożliwia przewidywanie zespołów strukturalnych i właściwości termodynamicznych z niemal eksperymentalną dokładnością.

Zespoły badawcze kierowane przez prof. dr Franka Noé i prof. dr Cecilię Clementi wniosły istotny wkład w rozwój. Prof. Noé, kierownik ds. badań partnerów w Microsoft Research i profesor honorowy na FU Berlin, podkreśla, że ​​BioEmu może również przewidywać złożone zmiany strukturalne, takie jak ukryte kieszenie wiążące i ruchy całych domen białkowych. Umożliwia to precyzyjne przewidywanie zmian stabilności białek z dokładnością porównywalną z analizą laboratoryjną.

Tradycyjne podejścia a głębokie uczenie się

Wiadomo, że obecne techniki symulacji dynamiki molekularnej są powolne, kosztowne i wymagają dużych zasobów. BioEmu oferuje szybszą i tańszą alternatywę. Model opracowany przez Sarah Lewis i jej zespół łączy dane szkoleniowe z przewidywań struktury AlphaFold, wielkoskalowych symulacji dynamiki molekularnej i szeroko zakrojonych eksperymentalnych pomiarów stabilności białek.

Istnieją jednak również ograniczenia: BioEmu nie modeluje natywnie dynamiki molekularnej ani interakcji z membranami i ligandami, ani nie uwzględnia zmiennych warunków środowiskowych, takich jak temperatura czy pH. Autorzy oczekują jednak, że model wykaże, w jaki sposób głębokie uczenie się może zamortyzować wysokie koszty symulacji i eksperymentów, umożliwiając przewidywanie funkcji białek na dużą skalę w oparciu o dane.

Implikacje praktyczne i przyszłe badania

Istotnym aspektem badania jest publikacja przez Microsoft Research dużego zbioru danych wykorzystanych do opracowania BioEmu. Ten zbiór danych stanowi największy publicznie dostępny zbiór symulacji białek o zróżnicowanej sekwencji. Szeroka dostępność kodu źródłowego BioEmu na licencji MIT otwiera nowe możliwości w badaniach bioinformatycznych i projektowaniu leków.

Tego typu badania mają kluczowe znaczenie dla zrozumienia biologii i funkcjonowania białek, które przełączają się między różnymi formami. Pozostaje to kluczowym wyzwaniem dla nauki, szczególnie w biotechnologii i badaniach medycznych.