La proteina “deep fake” progettata con l’intelligenza artificiale prenderà di mira gli inquinanti dell’acqua
Bando di sovvenzione e premioUNIVERSITÀ DEL KANSAS
LAWRENCE — Se hai mai utilizzato un generatore di immagini di intelligenza artificiale basato su testo come Craiyon o DALL-E, sai con poche parole che gli strumenti di intelligenza artificiale creano immagini realistiche e completamente sintetizzate.
L’apprendimento automatico che alimenta tali siti Web analizzerà milioni di immagini su Internet, le analizzerà e ne assemblerà le sfaccettature in immagini nuove, ma false.
Ora, i ricercatori dell’Università del Kansas stanno lavorando per utilizzare un processo di apprendimento automatico simile per costruire nuove proteine progettate per rilevare gli inquinanti dell’acqua. Con una nuova sovvenzione triennale di 1,5 milioni di dollari dal programma Molecular Foundations for Biotechnology della National Science Foundation , un ricercatore della KU utilizzerà l’apprendimento automatico per creare proteine del barilotto beta di membrana “deep-fake”, una classe di biosensori di successo naturale, progettati per rilevare gli ioni metallici inquinanti nell’acqua.
“Questi barili beta sono super utili perché possono portare oggetti attraverso le membrane”, ha affermato la ricercatrice principale Joanna Slusky, professoressa associata di bioscienze molecolari presso KU. “I barili producono buoni enzimi: ci sono così tante cose diverse che i barili possono fare.”
Precedenti ricerche sui barili beta a forma di tubo hanno alterato le loro proprietà di legame per una varietà di compiti. Tuttavia, gran parte di questo lavoro è stato arduo e completato a mano, di solito risultando con piccole variazioni di un numero limitato di impalcature o strutture a botte.
“In questo caso, stiamo utilizzando l’apprendimento automatico per generare un gran numero di barili”, ha affermato Slusky. “Ma che ne dici se possiamo entrambi generare barili e renderli utili? Ci siamo chiesti: ‘Cos’è un’applicazione biotecnologica dei barili?’ Ebbene, uno sarebbe i sensori metallici che potrebbero forse rilevare gli inquinanti metallici”.
Slusky e i suoi co-principali ricercatori, le professoresse Rachel Kolodny e Margarita Osadchy dell’Università di Haifa in Israele (insieme al post-dottorato KU Daniel Montezano), svilupperanno un nuovo processo di apprendimento automatico che genera beta-barili con scaffold simili a quelli che si trovano in natura , ma con sequenze diverse.
“C’è un sito web chiamato ‘ Questa X non esiste’ “, ha detto Slusky. “Se vai su quel sito, vedi tutte queste cose generate dall’IA e le persone non esistono davvero. Ma un computer ha creato l’immagine, per esempio, di un gatto. Ma non è proprio un gatto: un computer ha scattato un sacco di foto di gatti e ha detto: “Ok, possiamo semplicemente generare tutte le foto di gatti che vuoi ora, perché abbiamo capito cos’è un gatto”. Abbiamo bisogno di creare qualcosa di reale in modo da vederlo più come generare una ricetta.
“La domanda è: come fare in modo che i computer generino una ricetta per le proteine”.
I barili beta sono adatti per l’avanzamento attraverso l’apprendimento automatico perché “le proteine naturali sono una sorta di piccolo inconveniente nel numero di possibili sequenze”.
Se un algoritmo informatico può apprendere l’essenza di ciò che rende una proteina una proteina, ha detto Slusky, eviterà di generare sequenze inutili.
“La maggior parte delle sequenze non sarebbero mai effettivamente proteine, non avrebbero una piega particolare”, ha detto. “Si sarebbero semplicemente legati a se stessi in modi strani e imprevedibili più e più volte. Per essere una proteina, hai bisogno di una sequenza che formi una forma. Quando le persone hanno cercato di creare sequenze casuali, o anche sequenze in qualche modo dirette, hanno scoperto che solo una percentuale molto, molto piccola di esse potrebbe effettivamente essere una proteina”.
Con l’apprendimento automatico che crea sequenze nuove e praticabili che risultano in questa piega comune, Slusky e i suoi colleghi sperano di generare un barile beta particolarmente adatto per trovare ioni metallici nell’acqua. Il risultato del lavoro saranno biosensori basati su barili beta in grado di identificare inquinanti come il piombo nei corsi d’acqua.
“Se li rendiamo della giusta dimensione, questa molecola sarà l’ideale per inserire un particolare metallo e puoi avere i giusti sostituenti in modo che leghi quel metallo”, ha detto Slusky. “Poiché è in una membrana, può darti una sorta di differenza di conduttanza: c’è una differenza tra quando è legato e quando non è legato. Se sei in grado di farlo, potresti percepire diversi metalli e diverse concentrazioni di quei metalli. Ci sono molti grandi passi che vogliamo compiere, ma sono fiducioso ed entusiasta”.
Il lavoro aiuterà anche a formare ricercatori universitari nel laboratorio di Slusky , oltre a informare l’insegnamento di Slusky presso la KU e a raggiungere gli studenti di scienze delle scuole superiori.
