Prelom vo výskume bielkovín: Nový model AI prináša revolúciu v dizajne liekov!

Prelom vo výskume bielkovín: Nový model AI prináša revolúciu v dizajne liekov!

Výskumný tím z Slobodná univerzita v Berlíne v spolupráci s Microsoft Research AI for Science urobila významný prelom v modelovaní biologických proteínov. Tento test je jadrom 10. júla v časopise Veda publikovaná štúdia s názvom „Scalable emulation of protein equilibrium ensembles with generative deep learning“. Nové zistenia by mohli uľahčiť budúci pokrok v dizajne liekov a biomedicínskom výskume.

Hlavným zameraním štúdie je predstavenie BioEmu, inovatívneho generatívneho systému hlbokého učenia na emuláciu rovnovážneho správania proteínov. BioEmu sa vyznačuje vysokou presnosťou a presnosťou a má lepšie odrážať funkciu mnohých proteínov, ktorých aktivita do značnej miery závisí od ich dynamickej štruktúry. Kľúčovým cieľom vývoja je zvýšiť úspešnosť nových účinných látok v klinických štúdiách.

Technologické inovácie a zvýšená účinnosť

Za zmienku stojí schopnosť BioEmu generovať tisíce štatisticky nezávislých proteínových štruktúr za hodinu na jedinej grafickej karte (GPU). To vedie k výraznému zníženiu nákladov a času potrebného na preskúmanie funkčne relevantných štrukturálnych zmien. Kombináciou viac ako 200 milisekúnd simulácií molekulárnej dynamiky s experimentálnymi údajmi dosahuje BioEmu predikciu štruktúrnych súborov a termodynamických vlastností s takmer experimentálnou presnosťou.

Výskumné tímy vedené Prof. Dr. Frankom Noé a Prof. Dr. Ceciliou Clementi významne prispeli k vývoju. Prof. Noé, manažér pre výskum partnerov v Microsoft Research a čestný profesor na FU Berlín, zdôrazňuje, že BioEmu dokáže predpovedať aj zložité štrukturálne zmeny, ako sú skryté väzbové vrecká a pohyby celých proteínových domén. To umožňuje presnú predpoveď zmien stability proteínov s presnosťou porovnateľnou s laboratórnou analýzou.

Tradičné prístupy vs. hlboké učenie

Súčasné techniky simulácie molekulárnej dynamiky sú známe ako pomalé, drahé a náročné na zdroje. BioEmu ponúka rýchlejšiu a lacnejšiu alternatívu. Model, ktorý vyvinula Sarah Lewis a jej tím, kombinuje tréningové údaje z predpovedí štruktúry AlphaFold, rozsiahle simulácie molekulárnej dynamiky a rozsiahle experimentálne merania stability proteínov.

Existujú však aj obmedzenia: BioEmu natívne nemodeluje molekulárnu dynamiku alebo interakcie s membránami a ligandmi, ani neberie do úvahy premenlivé podmienky prostredia, ako je teplota alebo pH. Napriek tomu autori očakávajú, že model demonštruje, ako môže hlboké učenie amortizovať vysoké náklady na simulácie a experimenty, aby umožnili predikciu funkcie proteínov na základe údajov vo veľkom meradle.

Praktické dôsledky a budúci výskum

Významným aspektom štúdie je publikácia rozsiahleho súboru údajov použitých na vývoj BioEmu od Microsoft Research. Tento súbor údajov je najväčšou verejne dostupnou zbierkou sekvenčne rôznorodých proteínových simulácií. Široká dostupnosť zdrojového kódu BioEmu pod licenciou MIT otvára nové cesty v oblasti bioinformatického výskumu a dizajnu liekov.

Výskum, ako je tento, je kľúčový pre pochopenie biológie a fungovania proteínov, ktoré sa prepínajú medzi rôznymi formami. Toto zostáva kľúčovou výzvou pre vedu, najmä v oblasti biotechnológie a medicínskeho výskumu.