Door machine learning-modellen te ontwikkelen die kunnen kijken naar eiwitinformatie die uit databases is verzameld
We vroegen ons allemaal af hoe gemakkelijk het proces is,zoals evolutie zou kunnen leiden tot een hoogwaardig materiaal zoals eiwit. We ontdekten dat genoomgegevens een schat aan informatie bevatten over de basisregels van eiwitstructuur en -functie, en nu waren we in staat om de natuurregels te creëren om zelf eiwitten te maken.
Rama Ranganathan, professor aan de afdeling biochemie en moleculaire biologie, Pritzker Molecular Engineering
Eiwitten zijn samengesteld uit honderden of duizenden aminozuren, endeze aminozuursequenties bepalen de structuur en functie van het eiwit. Maar het was niet eenvoudig om uit te zoeken hoe je deze sequenties kunt maken om nieuwe eiwitten te maken. Eerder werk heeft geleid tot methoden die structuur kunnen definiëren, maar het kenmerk was ongrijpbaarder.
In de afgelopen 15 jaar hebben Ranganathan en zijn personeelrealiseerde zich dat genoomdatabases, die exponentieel groeien, een schat aan informatie bevatten over de basisregels van eiwitstructuur en -functie. Zijn groep ontwikkelde wiskundige modellen op basis van deze gegevens en begon vervolgens machine learning-technieken te gebruiken om nieuwe informatie te ontdekken over de basisregels voor eiwitontwerp.
Voor deze studie hebben ze het gezin bestudeerdmetabole enzymen chorismaat mutase, een soort eiwit dat essentieel is voor het leven van veel bacteriën, schimmels en planten. Met behulp van machine learning-modellen konden de onderzoekers eenvoudige regels identificeren voor het ontwerpen van deze eiwitten.
Het model laat zien dat alleen besparing inaminozuurposities en correlaties in de evolutie van aminozuurparen zijn voldoende om nieuwe kunstmatige sequenties te voorspellen die de eigenschappen van een eiwitfamilie zullen hebben.
Meestal nemen we dat aan om dat te kunnen doenOm iets te bouwen, moet je eerst goed begrijpen hoe het werkt. Maar als u over voldoende voorbeeldgegevens beschikt, kunt u deep learning-technieken gebruiken om ontwerpregels te leren, zelfs als u begrijpt hoe het werkt of waarom het op die manier is gebouwd.
Rama Ranganathan, hoogleraar bij de afdeling biochemie en moleculaire biologie, Pritzker Molecular Engineering
Vervolgens creëerden hij en zijn staf synthetisch materiaalgenen om voor eiwitten te coderen, ze in bacteriën te kloneren en toe te kijken hoe de bacteriën vervolgens synthetische eiwitten produceerden met behulp van hun normale cellulaire machinerie. Ze ontdekten dat kunstmatige eiwitten dezelfde katalytische functie hebben als natuurlijk voorkomende chorismaatmutase-eiwitten.
Omdat de ontwerpregels zo eenvoudig zijn, is de hoeveelheid kunstmatige eiwitten die onderzoekers potentieel kunnen maken enorm.
Hoewel kunstmatige intelligentie de regels onthuldedesign, begrijpen Ranganathan en zijn staf nog steeds niet helemaal waarom modellen werken. Wetenschappers zullen proberen te begrijpen hoe de modellen tot deze staat zijn gekomen.
Tegelijkertijd hopen ze hiervan ook gebruik te makeneen platform voor het ontwikkelen van eiwitten die prangende maatschappelijke vraagstukken zoals klimaatverandering kunnen aanpakken. Ranganathan en Assoc. Professor Andrew Ferguson richtte Evozyne op, dat deze technologie zal commercialiseren in energie, milieu, katalyse en landbouw.
Lees ook
Kijk naar de 3D-kaart van het heelal: het is al 20 jaar samengesteld en het heeft wetenschappers al verrast
Het bleek dat het coronavirus ervoor zorgt dat cellen het niet herkennen
In de regio Omsk hebben archeologen botten en wapens gevonden die 12.000 jaar oud zijn