Розробляючи моделі машинного навчання, які можуть переглядати інформацію про білки, зібрану з баз
Ми всі задалися питанням, як простий процес,такий як еволюція, може привести до такого високопродуктивної матеріалу, як білок. Ми виявили, що дані генома містять величезну кількість інформації про основні правила структури і функціонування білка, і тепер ми змогли створити правила природи, щоб самим створювати білки.
Рама Ранганатана, професор на кафедрі біохімії і молекулярної біології, Pritzker Molecular Engineering
Білки складаються з сотень або тисяч амінокислот, іці амінокислотні послідовності визначають структуру і функцію білка. Але зрозуміти, як створити ці послідовності для створення нових білків, було непросто. Минула робота привела до методів, які можуть визначати структуру, але функція була більш невловимою.
За останні 15 років Ранганатана і його співробітникиусвідомили, що бази даних геному, які ростуть в геометричній прогресії, містять величезну кількість інформації про основні правила структури і функціонування білка. Його група розробила математичні моделі на основі цих даних, а потім почала використовувати методи машинного навчання, щоб розкрити нову інформацію про основні правила проектування білків.
Для цього дослідження вони вивчили сімействометаболічних ферментів хорізмат-мутази, тип білка, який важливий для життя багатьох бактерій, грибів і рослин. Використовуючи моделі машинного навчання, дослідники змогли виявити прості правила проектування цих білків.
Модель показує, що тільки збереження вположеннях амінокислот і кореляції в еволюції пар амінокислот досить для передбачення нових штучних послідовностей, які будуть мати властивості сімейства білків.
Зазвичай ми припускаємо, що для того, щобщось збудувати, потрібно спочатку глибоко зрозуміти, як це працює. Але якщо у вас достатньо прикладів даних, ви можете використовувати методи глибокого навчання, щоб вивчити правила проектування, навіть якщо ви розумієте, як він працює чи чому він побудований таким чином.
Рама Ранганатан, професор на кафедрі біохімії та молекулярної біології, Pritzker Molecular Engineering
Потім він і його співробітники створили синтетичнігени для кодування білків, клонували їх в бактерії і спостерігали, як бактерії потім виробляли синтетичні білки, використовуючи свої звичайні клітинні механізми. Вони виявили, що штучні білки мають ту ж каталітичну функцію, що і природні білки хорізмат-мутази.
Оскільки правила проектування настільки прості, кількість штучних білків, які потенційно можуть створити дослідники, надзвичайно велике.
Хоча штучний інтелект розкрив правилапроектування, Ранганатана і його співробітники все ще не до кінця розуміють, чому моделі працюють. Вчені будуть працювати, щоб зрозуміти, як моделі прийшли до такого стану.
У той же час вони також сподіваються використовувати цюплатформу для розробки білків, які можуть вирішувати нагальні соціальні проблеми, такі як зміна клімату. Ранганатана і доц. Професор Ендрю Фергюсон заснував компанію Evozyne, яка буде комерціалізувати цю технологію, застосовуючи її в енергетиці, навколишньому середовищу, каталізі і сільському господарстві.
Читати також
Подивіться на 3D-карту Всесвіту: її складали 20 років і вона вже здивувала вчених
З'ясувалося, що коронавірус не дає клітинам розпізнавати його
В Омській області археологи знайшли кістки і зброю, яким 12 тисяч років