- Сообщения
- 8.463
- Реакции
- 11.109
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
Биоинженеры сегодня используют вычислительные инструменты на основе искусственного интеллекта, включая машинное обучение и глубокие хранилища данных, чтобы разработать более сложные белковые конструкции de novo. Один из самых мощных алгоритмов в этой области - AlphaFold 2 от компании DeepMind, который может предсказывать структуру белка только на основе его аминокислотной последовательности. С момента запуска в июле 2021 года этот инструмент использовался многими структурными биологами и уже смог предсказать более 200 миллионов структур.
Также с помощью машинного обучения возможно создание на заказ белков, включая те, которых нет в природе и которые могут быть разработаны для решения биомедицинских и промышленных проблем, которые не были решены эволюцией. Ученые готовятся к будущему, в котором они смогут применять вычислительный анализ, чтобы вывести основные принципы управления структурой и функцией реальных белков и использовать их для создания на заказ белков с пользовательскими функциями. Некоторые эксперты считают, что через несколько десятилетий более половины лекарств будут представлять собой белки, созданные с помощью вычислительных методов.
На данный момент большинство компаний, работающих в области дизайна белков, фокусируются на усовершенствовании уже существующих белков, чтобы достичь новых целей или улучшить определенные свойства, а не на создании их с нуля. Например, Generate Biomedicines использовали информацию о шиповидном белке SARS-CoV-2 и его взаимодействии с рецепторным белком ACE2 для создания искусственного белка, который может последовательно блокировать вирус в разных вариантах. «В наших внутренних тестах этот белок довольно устойчив ко всем известным нам вариантам», — говорит соучредитель и главный технический директор Геворг Григорян, добавляя, что Generate намеревается подать заявку в FDA на клинические испытания во втором квартале текущего года. Хотя более амбициозные программы находятся на горизонте, пока неизвестно, когда наступит следующий этап в дизайне de novo, когда новые белки будут создаваться полностью с нуля.
Область дизайна белков с использованием ИИ процветает, но ее корни уходят в прошлое на более чем два десятилетия благодаря работе академических исследователей, таких как Дэвид Бейкер и его коллеги из Института дизайна белков Вашингтонского университета. Начиная с конца 1990-х годов, Бейкер, который был соучредителем компаний в этой области, включая Cyrus, Monod и Arzeda, руководил разработкой Rosetta, базового программного пакета для прогнозирования и управления белковыми структурами.
Институт дизайна белков в Вашингтонском университете разрабатывает мощные инструменты для дизайна белков, в том числе платформу глубокого обучения ProteinMPNN, которая позволяет создавать аминокислотные последовательности, которые могут создавать структуру белка de novo, достигая более чем 50-процентной успешности.
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
, никогда ранее не встречавшиеся в природе. Однако исследователи должны дать компьютеру рекомендации по биохимическим и физическим ограничениям, определяющим дизайн белка, чтобы полученный результат имел практическую ценность. Generate Biomedicines использовала имеющиеся знания о шиповидном белке SARS-CoV-2 и его взаимодействии с рецепторным белком ACE2, чтобы разработать синтетический белок, который может последовательно блокировать проникновение вируса в различных вариантах, и надеется начать клинические испытания во втором квартале
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
, описывающий новый алгоритм проектирования белков под названием Chroma. Он основан на генеративном моделировании и включает несколько функций, которые повышают его эффективность и вероятность успеха. Chroma использует модели диффузии, которые упрощают работу со сложными многомерными данными, а также алгоритмические методы для оценки взаимодействий между остатками, находящимися на большом расстоянии друг от друга в цепи аминокислот, что может быть необходимо для правильного складывания и функционирования белка. В первоначальных демонстрациях Chroma команда Generate показала, что они могут создавать последовательности, которые, как предсказывается, будут складываться в различные естественные и произвольно выбранные структуры и субдомены, включая формы букв алфавита. Однако пока неизвестно, сколько из этих складок можно будет создать в лаборатории.Действительно, доступ к такому большому объему данных о структуре белков, а также к мощным инструментам, позволяющим анализировать эти данные и создавать новые белки, открывает возможности для различных областей применения. Например, это может быть использовано для создания новых лекарственных препаратов или катализаторов для промышленных процессов. Также интересно, что развитие области дизайна белков с помощью искусственного интеллекта показывает, как компьютерная наука и биология могут взаимодействовать и дополнять друг друга для решения важных проблем.
Информация, полученная из таких баз данных, может быть важным источником данных для разработки новых белков. Например, если в определенных условиях определенный белок проявляет определенную функцию, и эта информация может быть извлечена из графа знаний, то это может стать отправной точкой для проектирования новых белков с аналогичной функцией. Это может быть особенно полезно для поиска новых белков, которые могут быть использованы в лекарственных препаратах или в биотехнологических процессах. Однако, необходимо отметить, что использование такой информации также может создать некоторые этические вопросы, связанные с доступом к биологическим образцам и конфиденциальностью данных. Поэтому, важно разрабатывать и соблюдать этические принципы при использовании таких баз данных.
Дополнительные данные о структуре и функционировании белков могут быть крайне полезны для дизайна белков с помощью ИИ. Они позволяют учитывать особенности экологического и биохимического контекста, в котором белки функционируют, и оптимизировать их для работы в определенных условиях. Кроме того, некоторые компании собирают свои собственные данные о структуре белков с высоким разрешением, чтобы улучшить точность алгоритмов дизайна и дополнить общедоступные ресурсы структурной биологии.
Некоторые компании стремятся дополнить общедоступные ресурсы структурной биологии собственными данными. Например, Generate в настоящее время создает мультиинструментальную установку для криоэлектронной микроскопии, которая позволит им создавать структуры с разрешением, близким к атомному, с высокой производительностью. Эти внутренние структурные данные, скорее всего, будут включать в себя релевантные метаданные об отдельных белках, чем данные из общедоступных ресурсов.
Собственные лаборатории являются еще одним важным компонентом процесса проектирования, поскольку экспериментальные результаты используются для обучения алгоритмов, что позволяет достичь еще лучших результатов в будущих проектах. Однако, как отмечает Бруно Коррейя, биолог-вычислитель из Федеральной политехнической школы Лозанны, успех усилий по разработке белка зависит от тесного взаимодействия между экспертами по алгоритмам и опытными практиками в лабораториях. Он считает, что биологические объекты не должны рассматриваться просто как данные.
Биологическая проверка является чрезвычайно важным фактором для инвесторов в этом секторе, говорит Тесс ван Стекеленбург. Она подчеркивает, что настоящий золотой стандарт при разработке новых белков заключается не только в выборе правильной архитектуры, но и в том, какой процент разработанных белков обладает конечными желаемыми свойствами. Соответственно, большинство компаний, занимающихся вычислительным дизайном, сконцентрированы на настройке функции белков, а не на их капитальном ремонте, что сокращает разрыв между предсказанием и производительностью.
Компания Сайрус преимущественно занимается улучшением уже существующих лекарств и белков, которые не отвечают определенным параметрам. Cradle, с другой стороны, сосредоточена на оптимизации свойств белковой терапии, таких как стабильность. Они уже проверили свою модель на экспериментальных условиях и сравнили ее с результатами эмпирических исследований. Arzeda занимается разработкой ферментов для промышленного применения, таких как сельское хозяйство, материаловедение и пищевая промышленность. Они уже создали белки с новыми каталитическими функциями, начиная с базовой реакции, катализируемой природой, и кардинально перестраивая активный сайт, чтобы приспособить их к работе с другим субстратом. Они работают над проектами, такими как растительный фермент, способный расщеплять широко используемый гербицид, и ферменты, которые могут превращать относительно малоценные побочные продукты растений в полезные натуральные подсластители.
Generate, в прошлом сконцентрированная на оптимизации существующих белков, теперь может приступить к созданию новых проектов с помощью алгоритма Chroma. Chroma может создавать проекты de novo с заданными пользователем структурными и функциональными особенностями, а затем подтверждать их экспериментальными испытаниями. Однако, по словам Зангеллини, еще много испытаний перед этой областью науки. Новый белок с отличными каталитическими свойствами может быть трудно производить в больших масштабах или показывать плохие свойства в качестве лекарства. Но алгоритмы следующего поколения должны позволить генерировать белки de novo, оптимизированные для многих пунктов в списке пожеланий ученого, а не только для одного.
Научный телеграм канал
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
и
Пожалуйста Войдите или Зарегистрируйтесь чтобы видеть скрытые ссылки.
Последнее редактирование:
