使用人工智能生成蛋白质加速药物开发

人工智能现在能产生新奇的功能活性蛋白质,由于最近出版的工作人员查尔姆斯理工大学的,瑞典。

“我们现在能够证明提供了出色的潜在的未来的应用,如蛋白质药物更快和更有成本效益的发展,“说Aleksej Zelezniak,生物学和生物工程系副教授在查尔默斯。

蛋白质是大型的、复杂的分子,发挥着至关重要的作用在所有活细胞,构建、修改和分解其他分子自然在我们的细胞。他们也广泛用于工业过程和产品,在我们的日常生活。

很常见——蛋白质药物的糖尿病药物胰岛素是最规定之一。一些最昂贵的和有效的癌症药物也是蛋白质,以及目前用于治疗COVID-19抗体公式。

从电脑设计工作短短几周内的蛋白质

当前的方法用于蛋白质工程依靠引入随机突变的蛋白质序列。然而,每个额外的随机突变,蛋白质活性下降。

”因此,一个人必须执行多个轮非常昂贵和耗时的实验,筛选数以百万计的变体,工程师蛋白质和酶,最终被明显不同于那些在自然界发现的,”研究负责人说Aleksej Zelezniak,继续:

“这个工程过程非常缓慢,但现在我们有了一个基于ai的方法,我们可以从电脑设计工作蛋白质在短短几周。”

查尔默斯的新成果研究人员最近发表在《自然》杂志上机器智能和代表合成蛋白质领域的一个突破。Aleksej Zelezniak研究集团和合作者已经开发出一种基于ai的方法称为ProteinGAN,它使用一个生成深度学习的方法。

从本质上讲,AI提供大量数据从研究蛋白质;研究这些数据,试图在此基础上创造新的蛋白质。

同时,人工智能的另一部分试图找出如果合成蛋白质是假的。系统中的蛋白质是来回发送到AI不能分辨天然和合成蛋白质。

这个方法是众所周知的用于创建照片和视频的人并不存在,但在这项研究中,它是用于生产高度多样化的蛋白质变异与naturalistic-like物理属性,用于测试其功能。

蛋白质广泛应用于日常用品并不总是完全自然但通过合成生物学和蛋白质工程技术。使用这些技术,原始的蛋白质序列进行修改,希望创建合成新的蛋白质变异更高效,稳定,专门针对特定的应用程序。新的基于ai的方法是开发有效的工业酶的重要性以及新的蛋白质疗法,如抗体和疫苗。

一个有成本效益的和可持续的模式

系的助理教授马丁•Engqvist也生物学和生物工程,参与设计实验来测试AI合成蛋白质。

“我们工程师蛋白质加速的速度是非常重要的为酶催化剂降低开发成本。这是实现可持续发展的关键工业过程和消费产品,和我们的人工智能模型,以及未来的模型,将使。我们的工作是一个重要的贡献”在这种情况下马丁Engqvist说。

“这种类型的工作是唯一可能的多学科环境,存在于我们的部门——计算机科学和生物学的接口。我们有完美的条件实验测试这些AI-designed蛋白质的性质,“说Aleksej Zelezniak。

研究人员下一步是探讨技术可以用于特定的蛋白质性质的改进,如增加稳定性,可以有很大的蛋白质用于工业技术中获益。

参考:Repecka D, Jauniskis V, Karpus L, et al .扩展功能的蛋白质序列空间使用生成对抗的网络。Nat,马赫。智能。2021:1-10。doi:10.1038 / s42256 - 021 - 00310 - 5

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。