Разрабатывая модели машинного обучения, которые могут просматривать информацию о белках, собранную из баз
Svi smo se pitali koliko je jednostavan proces,poput evolucije, moglo bi dovesti do materijala visokih performansi poput proteina. Otkrili smo da podaci o genomu sadrže mnoštvo informacija o osnovnim pravilima strukture i funkcije proteina, a sada smo uspjeli stvoriti prirodna pravila za stvaranje proteina sami.
Rama Ranganathan, profesor na Odsjeku za biokemiju i molekularnu biologiju, Pritzker Molecular Engineering
Proteini se sastoje od stotina ili tisuća aminokiselina, ite aminokiselinske sekvence određuju strukturu i funkciju proteina. Ali shvatiti kako stvoriti ove sekvence za stvaranje novih proteina nije bilo lako. Dosadašnji rad doveo je do metoda koje mogu definirati strukturu, no značajka je bila neuhvatljivija.
U posljednjih 15 godina Ranganathan i njegovo osobljeshvatio da baze genoma, koje eksponencijalno rastu, sadrže mnoštvo informacija o osnovnim pravilima strukture i funkcije proteina. Njegova je skupina razvila matematičke modele na temelju ovih podataka, a zatim je počela koristiti tehnike strojnog učenja kako bi otkrila nove informacije o osnovnim pravilima za dizajn proteina.
Za ovu studiju proučavali su obiteljmetabolički enzimi chorismate mutase, vrsta proteina koja je bitna za život mnogih bakterija, gljivica i biljaka. Koristeći modele strojnog učenja, istraživači su uspjeli identificirati jednostavna pravila za oblikovanje ovih proteina.
Model pokazuje da samo spremanje uaminokiselinski položaji i korelacije u evoluciji aminokiselinskih parova dovoljni su za predviđanje novih umjetnih sekvenci koje će imati svojstva proteinske obitelji.
Обычно мы предполагаем, что для того, чтобы что-то построить, нужно сначала глубоко понять, как это работает. Но если у вас достаточно примеров данных, вы можете использовать методы глубокого обучения, чтобы выучить правила проектирования, даже если вы понимаете, как он работает или почему он построен таким образом.
Рама Ранганатан, профессор на кафедре биохимии и молекулярной биологии, Pritzker Molecular Engineering
Tada su on i njegovi suradnici stvorili sintetikugene za kodiranje bjelančevina, klonirali ih u bakterije i promatrali kako bakterije zatim proizvode sintetičke bjelančevine pomoću svojih normalnih staničnih strojeva. Otkrili su da umjetni proteini imaju istu katalitičku funkciju kao i proteini prirodne korizmat mutaze.
Budući da su pravila dizajna tako jednostavna, broj umjetnih proteina koje istraživači potencijalno mogu stvoriti iznimno je velik.
Iako je umjetna inteligencija otkrila praviladizajna, Ranganathan i njegovo osoblje još uvijek ne razumiju u potpunosti zašto modeli funkcioniraju. Znanstvenici će raditi kako bi razumjeli kako su modeli došli u ovo stanje.
Istodobno se nadaju da će to iskoristitiplatforma za razvoj proteina koji mogu riješiti hitna društvena pitanja kao što su klimatske promjene. Ranganathan i izv. prof. Profesor Andrew Ferguson osnovao je Evozyne, koji će komercijalizirati ovu tehnologiju za primjenu u energetici, okolišu, katalizi i poljoprivredi.
Pročitajte i
Pogledajte 3D kartu svemira: sastavljena je 20 godina i već je iznenadila znanstvenike
Ispada da koronavirus sprečava stanice da ga prepoznaju
U regiji Omsk arheolozi su pronašli kosti i oružje staro 12 tisuća godina