Белки нужны для жизни клеток, выполняя сложные задачки и катализируя хим реакции. Ученые и инженеры издавна пробуют употреблять эту силу, создавая искусственные белки, которые могут делать новейшие задачки, такие как исцеление заболеваний, улавливание углерода либо сбор энергии, но почти все процессы, созданные для сотворения таковых белков, неспешны и сложны, с высочайшей частотой отказов.
Команда исследователей из Притцкеровской школы молекулярной инженерии (PME) Чикагского института разработала процесс, основанный на искусственном уме, который употребляет огромные данные для разработки новейших белков.
Разрабатывая модели машинного обучения, которые могут рассматривать информацию о белках, собранную из геномных баз данных, исследователи нашли относительно обыкновенные правила проектирования для сотворения искусственных белков.
Когда они сконструировали искусственные белки в лаборатории, ученые нашли, что они делают хим функции так отлично, что конкурируют с теми, которые найдены в природе.
“Мы все задавались вопросцем, как таковой обычный процесс, как эволюция, может привести к такому высокоэффективному материалу, как белок”, – произнес Рама Ранганатан, доктор на кафедре биохимии и молекулярной биологии. “Мы нашли, что данные генома содержат большущее количество инфы о главных правилах строения и функционирования белков, и сейчас мы можем употреблять правила природы для сотворения белков без помощи других.”
Белки состоят из сотен либо тыщ аминокислот, и эти аминокислотные последовательности определяют структуру и функцию белка. Но осознать, как конкретно выстроить эти последовательности для сотворения новейших белков, было тяжело. Прошлые работы привели к способам, которые могут определять структуру, но функция была наиболее неуловимой.
За крайние 15 лет ученые сообразили, что базы данных генома, которые вырастают экспоненциально, содержат большущее количество инфы о главных правилах структуры и функционирования белков. Исследователи разработали математические модели, основанные на этих данных, а потом начала употреблять способы машинного обучения, чтоб выявить новейшую информацию о главных правилах проектирования белков.
Они исследовали семейство метаболических ферментов chorismate mutase, тип белка, который важен для жизни почти всех микробов, грибов и растений. Используя модели машинного обучения, исследователи смогли выявить обыкновенные правила проектирования этих белков.
Смотрите такжеМедицина
Система бактериальной атаки управляется при помощи света
15.05.2020Медицина
Инженерные белки успокаивают «цитокиновые штормы», вызванные томными инфекциями
19.04.2020
Модель указывает, что просто сохранение аминокислотных позиций и корреляций в эволюции пар аминокислот довольно для пророчества новейших искусственных последовательностей, которые будут владеть качествами семейства белков.
“Мы обычно предполагаем, что для того, чтоб выстроить что-то, вы должны поначалу глубоко осознать, как это работает”, – произнес Ранганатан. “Но если у вас довольно примеров данных, вы сможете употреблять способы глубочайшего обучения, чтоб изучить правила проектирования, даже если вы осознаете, как он работает либо почему он построен таковым образом.”
Потом он и его коллеги сделали синтетические гены для кодировки белков, клонировали их в бактерии и следили, как бактерии потом делали синтетические белки, используя свои обыденные клеточные механизмы. Они нашли, что искусственные белки делают ту же каталитическую функцию, что и естественные белки chorismate mutase.
Так как правила проектирования относительно ординарны, число искусственных белков, которые исследователи потенциально могли бы сделать с помощью их, очень велико.
– Ограничения еще меньше, чем мы могли для себя представить, – произнес Ранганатан. “В правилах проектирования природы есть простота, и мы считаем, что подобные подходы могут посодействовать нам отыскать модели для проектирования в остальных сложных системах в биологии, таковых как экосистемы либо мозг (центральный отдел нервной системы животных, обычно расположенный в головном отделе тела и представляющий собой компактное скопление нервных клеток и их отростков).”
Хотя искусственный ум раскрыл правила проектирования, Ранганатан и его сотрудники до сего времени не до конца соображают, почему модели работают. Дальше они будут работать, чтоб осознать, как конкретно модели пришли к такому выводу. – Нам еще почти все предстоит создать, – произнес он.
В то же время ученые уповают употреблять эту платформу для разработки белков, которые могут решать насущные социальные трудности.
“Эта система дает нам платформу для оптимального конструирования белковых молекул таковым образом, о котором мы постоянно желали”, – произнес он. – Она не только лишь обучит нас физике работы белков и их эволюции, да и поможет отыскать решения таковых заморочек, как улавливание углерода и сбор энергии. Наиболее того, исследования белков могут даже посодействовать нам осознать, как по сути работают глубочайшие нейронные сети, лежащие в базе современного машинного обучения.”
Результаты исследования были размещены 24 июля в журнальчике Science.
Источник: