Inteligența artificială care proiectează proteine pornind de la o simplă descriere în limbaj natural
Proiectarea proteinelor cu ajutorul inteligenței artificiale a devenit, în scurt timp, o abilitate remarcabilă: modelele pot crea mașini moleculare care accelerează reacții, produc semnale fluorescente sau descompun plasticul. Totuși, pentru a obține exact proteina dorită, utilizatorul trebuia de obicei să aibă cunoștințe solide despre structurile moleculare și despre constrângerile geometrice, pentru a ghida corect modelele. Această cerință ar putea deveni în curând istorie.
O echipă de cercetători condusă de oameni de știință de la Universitatea Westlake din China a dezvoltat un model de inteligență artificială de scară largă, numit Pinal, care poate genera proteine candidate pornind doar de la prompturi în limbaj natural. Rezultatele cercetării și modul de funcționare al modelului au fost prezentate într-un articol publicat în revista Nature.
Cum se transformă cuvintele în proiecte de proteine
Utilizatorul trebuie să introducă doar o descriere scrisă a sarcinii pe care dorește să o îndeplinească proteina. De exemplu, poate tasta o formulare precum „proiectează o proteină fluorescentă care emite lumină verde sub iluminare”. Pinal folosește două module principale: primul, numit T2struct, preia descrierea și construiește un plan structural unidimensional, iar al doilea, SaProt-T, citește acest plan și, folosind textul original, generează o secvență de aminoacizi corespunzătoare.
Autorii studiului notează că Pinal transformă descrierile funcționale de nivel înalt în secvențe candidate de proteine, reducând astfel dependența de șabloane structurale specificate manual sau de constrângeri geometrice. Unul dintre aspectele ingenioase ale sistemului este că nu se oprește la primul model structural apărut: creează mai multe planuri structurale, proiectează cea mai bună secvență pentru fiecare și punctează fiecare pereche pentru a stabili designul final optim.
Antrenamentul pe miliarde de perechi proteină-text
Antrenarea modelului Pinal a necesitat volume uriașe de date. Echipa a pornit de la 135 de milioane de secvențe de proteine și a folosit modele de inteligență artificială și adnotări existente pentru a construi descrieri în limbaj simplu ale funcțiilor acestor proteine. Rezultatul a fost o bibliotecă vastă de 1,7 miliarde de perechi proteină-text. Cercetătorii au obținut apoi structurile tridimensionale prezise pentru aceste secvențe dintr-o bază de date AlphaFold existentă.
Testarea pe patru tipuri de proteine
Pentru a verifica sistemul, cercetătorii i-au cerut lui Pinal să proiecteze patru proteine diferite: o proteină fluorescentă, o enzimă care descompune plasticul, o alcool dehidrogenază și o proteină metabolică H. Rezultatele au fost mixte.
În cazul proteinei luminoase, modelul a creat 50.000 de secvențe, care au fost filtrate până la 29 pentru testare, iar doar una a emis efectiv fluorescență. Cercetătorii au recunoscut că controlul proprietăților specifice rămâne dificil, menționând că obținerea unei lungimi de undă precise de emisie pentru o proteină fluorescentă reprezintă în continuare o provocare.
Sistemul s-a descurcat mai bine la producerea proteinei metabolice H: cinci dintre cele 20 de candidate au funcționat, iar cea mai bună a crescut randamentul unui proces-cheie de captare a carbonului la 1,7 ori față de cel obținut cu proteina naturală din E. coli.
Limite rămase
Deși rezultatele sunt promițătoare, Pinal are încă limite, iar sunt necesare cercetări suplimentare înainte ca modelul să devină un instrument de laborator de uz curent.
