Kuriant mašininio mokymosi modelius, kurie gali peržiūrėti baltymų informaciją, surinktą iš duomenų bazių
Mes visi stebėjomės, koks lengvas procesas,pvz., evoliucija, gali sukelti labai našias medžiagas, tokias kaip baltymai. Mes nustatėme, kad genomo duomenyse buvo gausu informacijos apie pagrindines baltymų struktūros ir funkcijos taisykles, ir dabar mes galėjome sukurti gamtos taisykles, kad patys sukurtume baltymus.
Rama Ranganathan, „Pritzker“ molekulinės inžinerijos biochemijos ir molekulinės biologijos katedros profesorė
Baltymai susideda iš šimtų ar tūkstančių aminorūgščių iršios aminorūgščių sekos lemia baltymo struktūrą ir funkciją. Tačiau suprasti, kaip sukurti šias sekas, kad būtų sukurti nauji baltymai, nebuvo lengva. Ankstesnis darbas paskatino metodus, kurie gali apibrėžti struktūrą, tačiau ši savybė buvo sunkiau pastebima.
Per pastaruosius 15 metų Ranganathanas ir jo darbuotojaisuprato, kad eksponentiškai didėjančiose genomo duomenų bazėse yra daug informacijos apie baltymų struktūros ir funkcijos pagrindines taisykles. Jo grupė, remdamasi šiais duomenimis, sukūrė matematinius modelius, tada pradėjo naudoti mašininio mokymosi metodus, kad atskleistų naują informaciją apie pagrindines baltymų dizaino taisykles.
Šiam tyrimui jie tyrė šeimąmetaboliniai fermentai chorizuoja mutazę - baltymų rūšį, kuri yra būtina daugelio bakterijų, grybų ir augalų gyvybei. Naudodami mašininio mokymosi modelius, mokslininkai sugebėjo nustatyti paprastas šių baltymų projektavimo taisykles.
Modelis rodo, kad tik taupantaminorūgščių padėties ir aminorūgščių porų evoliucijos koreliacijų pakanka numatyti naujas dirbtines sekas, kurios turės baltymų šeimos savybių.
Paprastai manome, kad norėdamiNorėdami ką nors sukurti, pirmiausia turite giliai suprasti, kaip tai veikia. Bet jei turite pakankamai pavyzdžių duomenų, galite naudoti giluminio mokymosi metodus, kad išmoktumėte projektavimo taisykles, net jei suprantate, kaip tai veikia arba kodėl taip sukurta.
Rama Ranganathan, Pritzker molekulinės inžinerijos Biochemijos ir molekulinės biologijos katedros profesorė
Tada jis ir jo darbuotojai sukūrė sintetiniusgenai, koduojantys baltymus, klonavo juos į bakterijas ir stebėjo, kaip tada bakterijos gamina sintetinius baltymus naudodamos savo įprastą ląstelių mechanizmą. Jie nustatė, kad dirbtiniai baltymai atlieka tą pačią katalizinę funkciją kaip ir natūraliai atsirandantys chorismato mutazės baltymai.
Kadangi projektavimo taisyklės yra tokios paprastos, dirbtinių baltymų, kuriuos mokslininkai gali sukurti, kiekis yra didžiulis.
Nors dirbtinis intelektas atskleidė taisyklesdizaino, Ranganathanas ir jo darbuotojai vis dar nesupranta, kodėl modeliai veikia. Mokslininkai stengsis suprasti, kaip modeliai atėjo į šią būseną.
Tuo pat metu jie taip pat tikisi tai panaudotibaltymų kūrimo platforma, galinti spręsti aktualias socialines problemas, tokias kaip klimato kaita. Ranganathanas ir doc. Profesorius Andrew Fergusonas įkūrė „Evozyne“, kuri komercializuos šią technologiją energetikos, aplinkos, katalizės ir žemės ūkio srityse.
Taip pat skaitykite
Pažvelkite į 3D Visatos žemėlapį: jis buvo sudarytas 20 metų ir jau nustebino mokslininkus
Pasirodo, koronavirusas neleidžia ląstelėms jo atpažinti
Omsko srityje archeologai rado kaulų ir ginklų, kuriems yra 12 tūkstančių metų