新的蛋白质设计软件功能就像一个棋盘游戏

科学家们已经成功地强化学习应用于分子生物学的一个挑战。

华盛顿大学的医学研究人员领导的研究小组开发强大的新蛋白质设计软件改编自一个策略证明擅长像国际象棋和围棋这样的棋盘游戏。在一个实验中,蛋白质的新方法是有效的小鼠的抗体生成有用的。

强化学习是一种机器学习的一个计算机程序学会做决定通过尝试不同的行动和接收反馈。这种算法可以学会下棋,例如,通过测试数以百万计的不同,导致在董事会的胜利或失败。程序设计学习这些经验,成为更好地做出决策。

为蛋白质强化学习程序设计、计算机科学家给数以百万计的简单分子开始。然后软件使得一万随机尝试改善朝着一个预定义的目标。电脑延长它们以特定的方式进行蛋白质或弯曲,直到学会如何扭曲成所需的形状。

这一发现,报道在4月21日出版的《科学》杂志上表明,这突破可能很快导致疫苗更有效。更广泛地说,这种方法可能会导致蛋白质设计的新纪元。

“我们的研究结果表明,强化学习能做多掌握棋类游戏。在蛋白质科学训练来解决长期存在的难题时,软件擅长创造有用的分子,”资深作者说大卫•贝克华盛顿大学医学院的生物化学教授在西雅图和接受者的2021年生命科学突破奖。

“如果这种方法应用于正确的研究问题,”他说,“这可能加速在各种科学领域取得的进展。”

利用人工智能的研究是一个里程碑进行蛋白质科学研究。应用潜力是巨大的,从发展中更有效的癌症治疗创造新的生物可降解的纺织品。

艾萨克·d·鲁茨顺治王,创造命运女神诺恩——所有的成员贝克实验室领导了这项研究。他们团队的科学稿件标题是“自顶向下设计的蛋白质与强化学习架构。”

“我们的方法是独一无二的,因为我们用强化学习来解决问题创造蛋白质形状组合在一起就像一个迷,”该研究鲁茨解释说,一个博士生威斯康辛大学医学研究所蛋白质设计。“这根本不可能使用之前的方法和有潜力改变我们可以构建的分子类型。”

作为这项研究的一部分,科学家们在实验室里制造数百AI-designed蛋白质。使用电子显微镜等仪器,他们证实,许多蛋白质的形状由电脑确实是在实验室中实现。

“证明这种方法不仅准确而且高度可定制的。例如,我们要求软件使球形结构没有小孔,小孔,或者大洞。它可能使各种架构尚未充分探讨,”顺治说该研究,威斯康辛大学医学研究所的博士后学者对蛋白质的设计。

团队集中在设计新的纳米结构由许多蛋白质分子。这需要设计蛋白质组件本身和化学接口,允许纳米结构自组装。

电子显微镜证实,许多AI-designed纳米结构能够在实验室形式。作为一个衡量设计软件已经变得多么准确,科学家们观察到的许多独特的纳米结构中每个原子被发现的目的。换句话说,计划之间的偏差,实现纳米结构是平均不到一个原子的宽度。这就是所谓的自动准确的设计。

作者预见未来的这种方法能使他们和其他人建立治疗性蛋白,疫苗和其他分子,不能使用之前的方法了。

华盛顿大学的医学研究人员使用干细胞与再生医学研究所主要血管细胞的细胞模型表明,蛋白质支架设计比以前版本的技术。例如,因为帮助细胞接收和解释信号的受体聚集更多的人口更紧凑的支架上,他们能更有效地促进血管稳定。

汉娜Ruohola-Baker华盛顿大学医学院的生物化学教授、该研究的作者之一,与再生医学调查的含义:“技术变得更精确,它打开了潜在的应用,包括血管治疗糖尿病、脑损伤、中风、和其他血管处于危险的情况。我们也可以想象更精确的交付我们使用的因素干细胞分化成不同的细胞类型,给我们新的方法来调节细胞发育和衰老的过程。”

参考:Lutz ID、王年代,诺恩C,等。自顶向下设计的蛋白质结构与强化学习。科学。2023,380 (6642):266 - 273。doi:10.1126 / science.adf6591

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。