Veritabanlarından toplanan protein bilgilerine bakabilen makine öğrenimi modelleri geliştirerek
Hepimiz sürecin ne kadar kolay olduğunu merak ettik.evrim gibi, protein gibi yüksek performanslı bir malzemeye yol açabilir. Genom verilerinin, protein yapısı ve işlevinin temel kuralları hakkında zengin bilgi içerdiğini bulduk ve şimdi proteinleri kendimiz yaratmak için doğanın kurallarını oluşturabildik.
Rama Ranganathan, Biyokimya ve Moleküler Biyoloji Bölümü Profesörü, Pritzker Moleküler Mühendisliği
Proteinler, yüzlerce veya binlerce amino asitten oluşur vebu amino asit dizileri, proteinin yapısını ve işlevini belirler. Ancak yeni proteinler yaratmak için bu dizilerin nasıl oluşturulacağını bulmak kolay olmadı. Geçmiş çalışmalar, yapıyı tanımlayabilen yöntemlere yol açtı, ancak özellik daha zordu.
Son 15 yılda, Ranganathan ve ekibikatlanarak büyüyen genom veri tabanlarının, protein yapısı ve işlevinin temel kuralları hakkında zengin bilgi içerdiğini fark etti. Grubu, bu verilere dayanarak matematiksel modeller geliştirdi ve ardından protein tasarımının temel kuralları hakkında yeni bilgiler ortaya çıkarmak için makine öğrenimi tekniklerini kullanmaya başladı.
Bu çalışma için aileyi inceledilermetabolik enzimler, birçok bakteri, mantar ve bitkinin yaşamı için gerekli olan bir protein türü olan korizma mutazıdır. Araştırmacılar, makine öğrenimi modellerini kullanarak bu proteinleri tasarlamak için basit kurallar belirleyebildiler.
Model, yalnızca tasarrufunamino asit çiftlerinin evrimindeki amino asit pozisyonları ve korelasyonları, bir protein ailesinin özelliklerine sahip olacak yeni yapay dizileri tahmin etmek için yeterlidir.
Genellikle şunu varsayarız:Bir şey inşa etmek için öncelikle onun nasıl çalıştığını derinlemesine anlamanız gerekir. Ancak yeterli örnek veriniz varsa, nasıl çalıştığını veya neden bu şekilde oluşturulduğunu anlasanız bile tasarım kurallarını öğrenmek için derin öğrenme tekniklerini kullanabilirsiniz.
Rama Ranganathan, Biyokimya ve Moleküler Biyoloji Bölümü Profesörü, Pritzker Moleküler Mühendisliği
Sonra o ve ekibi sentetik yarattıproteinleri kodlayan genler, onları bakterilere klonladı ve bakterileri izledikten sonra normal hücresel mekanizmalarını kullanarak sentetik proteinler üretti. Yapay proteinlerin doğal olarak oluşan korizma mutaz proteinleriyle aynı katalitik işleve sahip olduğunu buldular.
Tasarım kuralları çok basit olduğu için, araştırmacıların potansiyel olarak oluşturabileceği yapay protein miktarı çok büyük.
Yapay zeka kuralları ortaya koysa daRanganathan ve çalışma arkadaşları, modellerin neden işe yaradığını hâlâ tam olarak anlamıyor. Bilim adamları, modellerin bu duruma nasıl geldiğini anlamak için çalışacaklar.
Aynı zamanda bunu kullanmayı da umuyorlariklim değişikliği gibi acil sosyal sorunları ele alabilen proteinler geliştirmek için bir platform. Ranganathan ve Doç. Profesör Andrew Ferguson, bu teknolojiyi enerji, çevre, kataliz ve tarımda ticarileştirecek olan Evozyne'i kurdu.
Ayrıca okuyun
Evrenin 3D haritasına bakın: 20 yıl boyunca derlendi ve zaten bilim adamlarını şaşırttı
Koronavirüsün hücrelerin onu tanımasını engellediği ortaya çıkıyor
Omsk bölgesinde, arkeologlar 12 bin yaşında kemik ve silah buldular