Naukowcy z powodzeniem zastosowali uczenie się przez wzmacnianie do wyzwania w biologii molekularnej.
Zespół naukowców opracował nowe, potężne oprogramowanie do projektowania białek, zaadaptowane ze strategii sprawdzonej w grach planszowych, takich jak Chess and Go. W jednym eksperymencie stwierdzono, że białka wytworzone przy użyciu nowego podejścia są bardziej skuteczne w wytwarzaniu użytecznych przeciwciał u myszy.
Odkrycia, o których doniesiono 21 kwietnia w Science, sugerują, że ten przełom może wkrótce doprowadzić do powstania silniejszych szczepionek. Mówiąc szerzej, podejście to może doprowadzić do nowej ery w projektowaniu białek.
„Nasze wyniki pokazują, że uczenie się przez wzmacnianie może zdziałać więcej niż opanowanie gier planszowych. Po przeszkoleniu w rozwiązywaniu długotrwałych zagadek w nauce o białkach, oprogramowanie celowało w tworzeniu użytecznych cząsteczek” – powiedział starszy autor David Baker, profesor biochemii na UW School of Medicine w Seattle i zdobywca nagrody Breakthrough Prize in Life Sciences 2021.
„Jeśli ta metoda zostanie zastosowana do właściwych problemów badawczych” – powiedział – „może przyspieszyć postęp w różnych dziedzinach naukowych”.
Badania są kamieniem milowym w wykorzystywaniu sztucznej inteligencji do prowadzenia badań nad białkami. Potencjalne zastosowania są ogromne, od opracowania skuteczniejszych metod leczenia raka po tworzenie nowych biodegradowalnych tekstyliów.
Uczenie ze wzmocnieniem to rodzaj uczenia maszynowego, w którym program komputerowy uczy się podejmować decyzje, próbując różnych działań i otrzymując informacje zwrotne. Taki algorytm może nauczyć się grać w szachy, na przykład testując miliony różnych ruchów prowadzących do zwycięstwa lub porażki na szachownicy. Program ma na celu uczenie się na podstawie tych doświadczeń i lepsze podejmowanie decyzji w miarę upływu czasu.
Aby stworzyć program uczenia się wzmacniającego do projektowania białek, naukowcy dali komputerowi miliony prostych cząsteczek wyjściowych. Następnie oprogramowanie wykonywało dziesięć tysięcy prób losowego ulepszania każdego z nich w kierunku z góry określonego celu. Komputer wydłużał białka lub wyginał je w określony sposób, aż nauczył się wyginać je w pożądane kształty.
Badaniami kierowali Isaac D. Lutz, Shunzhi Wang i Christoffer Norn, wszyscy członkowie Baker Lab. Manuskrypt naukowy ich zespołu nosi tytuł „Projektowanie architektur białek z góry na dół z uczeniem się przez wzmacnianie”.
„Nasze podejście jest wyjątkowe, ponieważ wykorzystujemy uczenie się przez wzmacnianie, aby rozwiązać problem tworzenia kształtów białek, które pasują do siebie jak kawałki układanki” – wyjaśnił współautor Lutz, doktorant w Instytucie Medycyny UW ds. Projektowania Białek. „To po prostu nie było możliwe przy użyciu wcześniejszych podejść i może potencjalnie przekształcić typy cząsteczek, które możemy zbudować”.
W ramach tego badania naukowcy wyprodukowali w laboratorium setki białek zaprojektowanych przez sztuczną inteligencję. Korzystając z mikroskopów elektronowych i innych instrumentów, potwierdzili, że wiele kształtów białek stworzonych przez komputer rzeczywiście zostało zrealizowanych w laboratorium.
„To podejście okazało się nie tylko dokładne, ale także wysoce konfigurowalne. Na przykład poprosiliśmy oprogramowanie o tworzenie sferycznych struktur bez otworów, małych otworów lub dużych otworów. Jego potencjał do tworzenia wszelkiego rodzaju architektur nie został jeszcze w pełni zbadany” powiedział współautor Shunzhi Wang, doktor habilitowany w UW Medicine Institute for Protein Design.
Zespół skoncentrował się na zaprojektowaniu nowych nanoskalowych struktur składających się z wielu cząsteczek białek. Wymagało to zaprojektowania zarówno samych składników białkowych, jak i interfejsów chemicznych, które umożliwiają samoorganizację nanostruktur.
Mikroskopia elektronowa potwierdziła, że w laboratorium mogło powstać wiele zaprojektowanych przez sztuczną inteligencję nanostruktur. Jako miarę dokładności oprogramowania do projektowania, naukowcy zaobserwowali wiele unikalnych nanostruktur, w których każdy atom znajdował się w zamierzonym miejscu. Innymi słowy, odchylenie między zamierzoną a zrealizowaną nanostrukturą było średnio mniejsze niż szerokość pojedynczego atomu. Nazywa się to projektowaniem atomowo dokładnym.
Autorzy przewidują przyszłość, w której to podejście może umożliwić im i innym tworzenie białek terapeutycznych, szczepionek i innych cząsteczek, których nie można było wytworzyć przy użyciu wcześniejszych metod.
Naukowcy z Instytutu Medycyny Komórek Macierzystych i Medycyny Regeneracyjnej UW wykorzystali modele komórek pierwotnych naczyń krwionośnych, aby wykazać, że zaprojektowane rusztowania białkowe przewyższają poprzednie wersje technologii. Na przykład, ponieważ receptory, które pomagają komórkom odbierać i interpretować sygnały, były gęściej skupione na bardziej zwartych rusztowaniach, były bardziej skuteczne w promowaniu stabilności naczyń krwionośnych.
Hannele Ruohola-Baker, profesor biochemii UW School of Medicine i jedna z autorek badania, mówiła o implikacjach badań dla medycyny regeneracyjnej: „Im dokładniejsza staje się technologia, tym więcej otwiera potencjalnych zastosowań, w tym leczenia naczyniowego na cukrzycę, urazy mózgu, udary i inne przypadki, w których zagrożone są naczynia krwionośne.Możemy sobie wyobrazić dokładniejsze dostarczanie czynników, które wykorzystujemy do różnicowania komórek macierzystych w różne typy komórek, co daje nam nowe sposoby regulowania procesów rozwoju komórek i starzenia się”.
Ta praca została sfinansowana przez National Institutes of Health (P30 GM124169, S10OD018483, 1U19AG065156-01, T90 DE021984, 1P01AI167966); Open Philanthropy Project i The Audacious Project w Institute for Protein Design; Fundacja Novo Nordisk (NNF170C0030446); Microsoftu; i Amgenem. Badania zostały częściowo przeprowadzone w Advanced Light Source, ogólnokrajowym ośrodku użytkownika obsługiwanym przez Lawrence Berkeley National Laboratory w imieniu Departamentu Energii
Informacja prasowa napisana przez Iana Haydona, UW Medicine Institute for Protein Design.