从计算机设计到工作蛋白质,只需几周时间
目前用于蛋白质工程的方法依赖于在蛋白质序列中引入随机突变。然而,随着每一个随机突变的引入,蛋白质的活性下降。
“因此,必须进行多轮非常昂贵和耗时的实验,筛选数以百万计的变异,以改造最终与自然界中发现的蛋白质和酶明显不同的蛋白质和酶,”研究负责人Aleksej zeleznik说,并继续说道:“这个工程过程非常缓慢,但现在我们有了一种基于人工智能的方法,可以在短短几周内从计算机设计到工作蛋白质。”
新的结果代表了合成蛋白质领域的一个突破。泽勒兹尼亚克的研究小组和合作者们开发了一种基于aiProteinGAN使用了一种生成式深度学习方法。
从本质上说,人工智能提供了大量经过充分研究的蛋白质数据;它研究这些数据,并试图在此基础上创造新的蛋白质。
与此同时,人工智能的另一部分会试图找出合成的蛋白质是否是假的。这些蛋白质在系统中来回传递,直到人工智能无法区分天然蛋白质和合成蛋白质。这种方法以创建不存在的人的照片和视频而闻名,但在这项研究中,它被用于产生具有自然物理特性的高度多样化的蛋白质变体,可以测试其功能。
日常产品中广泛使用的蛋白质并不总是完全天然的,而是通过合成生物学和蛋白质工程技术制成的。利用这些技术,原始的蛋白质序列被修改,希望能够合成出更高效、更稳定、更适合特定应用的新型蛋白质变体。这种新的基于人工智能的方法对于开发高效的工业酶以及新的基于蛋白质的疗法,如抗体和疫苗.
一个具有成本效益和可持续发展的模式
生物和生物工程系的助理教授Martin Engqvist参与了测试人工智能合成蛋白质的实验设计。
“加快蛋白质工程的速度对于降低酶催化剂的开发成本非常重要。这是实现环境可持续的工业过程和消费产品的关键,而我们的人工智能模型,以及未来的模型,将实现这一点。我们的工作在这种背景下是一个至关重要的贡献”Engqvist说。
“这种工作只有在我们部门存在的多学科环境中才有可能——在计算机科学和生物学的交汇处。我们有完美的条件来实验测试这些人工智能设计的蛋白质的性质,”zeleznik说。
研究人员的下一步是探索如何将该技术用于特定的蛋白质特性的改进,例如增加稳定性,这可能对工业技术中使用的蛋白质有很大的好处。
这项研究发表在自然机器智能.
来源:查尔默斯理工大学