Vývojom modelov strojového učenia, ktoré dokážu sledovať informácie o bielkovinách zozbierané z databáz
Všetci sme sa pýtali, aký ľahký je tento proces,ako je evolúcia, môže viesť k vysoko účinnému materiálu, ako je proteín. Zistili sme, že údaje o genóme obsahovali veľké množstvo informácií o základných pravidlách proteínovej štruktúry a funkcie, a teraz sme boli schopní vytvoriť pravidlá prírody na vytvorenie proteínov sami.
Rama Ranganathan, profesor na Katedre biochémie a molekulárnej biológie, Pritzker Molekulárne inžinierstvo
Bielkoviny sa skladajú zo stoviek alebo tisícov aminokyselín atieto aminokyselinové sekvencie určujú štruktúru a funkciu proteínu. Ale zistiť, ako vytvoriť tieto sekvencie na vytvorenie nových proteínov, nebolo ľahké. Minulá práca viedla k metódam, ktoré môžu definovať štruktúru, ale táto funkcia bola nepolapiteľnejšia.
Za posledných 15 rokov bol Ranganathan a jeho personálsi uvedomili, že genómové databázy, ktoré rastú exponenciálne, obsahujú veľké množstvo informácií o základných pravidlách proteínovej štruktúry a funkcie. Jeho skupina vyvinula matematické modely založené na týchto údajoch a potom začal používať techniky strojového učenia na odhaľovanie nových informácií o základných pravidlách navrhovania proteínov.
Pre túto štúdiu študovali rodinumetabolické enzýmy chorizujú mutázu, druh proteínu, ktorý je nevyhnutný pre život mnohých baktérií, húb a rastlín. Pomocou modelov strojového učenia vedci dokázali identifikovať jednoduché pravidlá pre navrhovanie týchto proteínov.
Model ukazuje, že úspora iba vaminokyselinové polohy a korelácie vo vývoji párov aminokyselín sú dostatočné na predpovedanie nových umelých sekvencií, ktoré budú mať vlastnosti proteínovej rodiny.
Zvyčajne predpokladáme, že pretoAk chcete niečo postaviť, musíte najprv hlboko pochopiť, ako to funguje. Ak však máte dostatok vzorových údajov, môžete použiť techniky hlbokého učenia na naučenie sa pravidiel dizajnu, aj keď rozumiete tomu, ako to funguje alebo prečo je to tak zostavené.
Rama Ranganathan, profesor na oddelení biochémie a molekulárnej biológie, Pritzker Molecular Engineering
Potom spolu so svojimi spolupracovníkmi vytvorili syntetický materiálgény kódujúce proteíny, klonovali ich do baktérií a sledovali, ako baktérie produkujú syntetické proteíny pomocou ich normálneho bunkového mechanizmu. Zistili, že umelé proteíny majú rovnakú katalytickú funkciu ako proteíny prírodnej chorizovanej mutázy.
Pretože pravidlá návrhu sú také jednoduché, množstvo umelých proteínov, ktoré môžu vedci potenciálne vytvoriť, je obrovské.
Umelá inteligencia odhalila pravidládizajnu, Ranganathan a jeho zamestnanci stále ešte úplne nechápu, prečo modely fungujú. Vedci sa budú snažiť pochopiť, ako modely prišli do tohto stavu.
Zároveň dúfajú, že to aj využijúplatforma pre vývoj bielkovín, ktorá dokáže riešiť naliehavé sociálne problémy, ako je zmena podnebia. Ranganathan a Doc. Profesor Andrew Ferguson založil spoločnosť Evozyne, ktorá bude komercializovať túto technológiu v energetike, životnom prostredí, katalýze a poľnohospodárstve.
Prečítajte si tiež
Pozrite sa na 3D mapu vesmíru: bola zostavená už 20 rokov a už vedcov prekvapila
Ukázalo sa, že koronavírus bráni bunkám v jeho rozpoznávaní
V oblasti Omska našli archeológovia kosti a zbrane staré 12 tisíc rokov