AI Systems scopre i progetti per le proteine artificiali
Un team di ricercatori della Pritzker School of Molecular Engineering (PME) dell’Università di Chicago è recentemente riuscito a creare un sistema di intelligenza artificiale in grado di creare proteine artificiali completamente nuove analizzando archivi di big data.
Le proteine sono macromolecole essenziali per la costruzione dei tessuti negli esseri viventi e fondamentali per la vita delle cellule in generale. Le proteine sono utilizzate dalle cellule come catalizzatori chimici per provocare varie reazioni chimiche e svolgere compiti complessi. Se gli scienziati riuscissero a capire come ingegnerizzare in modo affidabile le proteine artificiali, potrebbero aprire le porte a nuovi metodi di cattura del carbonio, nuovi metodi di raccolta dell’energia e nuovi trattamenti per le malattie. Le proteine artificiali hanno il potere di alterare radicalmente il mondo in cui viviamo. Come riportato da EurekaAlert , una recente scoperta dei ricercatori della PME University di Chicago ha avvicinato gli scienziati a tali obiettivi. I ricercatori del PME hanno utilizzato algoritmi di apprendimento automatico per sviluppare un sistema in grado di generare nuove forme di proteine.
Il team di ricerca ha creato modelli di apprendimento automatico formati su dati estratti da vari database genomici. Come i modelli hanno appreso, hanno iniziato a distinguere modelli sottostanti comuni, semplici regole di progettazione, che consentono la creazione di proteine artificiali. Dopo aver preso i modelli e sintetizzato le rispettive proteine in laboratorio, i ricercatori hanno scoperto che le proteine artificiali hanno creato reazioni chimiche che erano approssimativamente efficaci quanto quelle guidate da proteine presenti in natura.
Secondo il professor Joseph Regenstein del PME UC, Rama Ranganathan, il team di ricerca ha scoperto che i dati sul genoma contengono una quantità enorme di informazioni riguardanti le funzioni e le strutture di base delle proteine. Utilizzando l’apprendimento automatico per riconoscere queste strutture comuni, i ricercatori sono stati “in grado di imbottigliare le regole della natura per creare noi stessi le proteine”.
I ricercatori si sono concentrati sugli enzimi metabolici per questo studio, in particolare una famiglia di proteine chiamata mutasi corismata. Questa famiglia di proteine è necessaria per la vita in un’ampia varietà di piante, funghi e batteri.
Ranganathan e collaboratori hanno capito che i database del genoma contenevano intuizioni che aspettavano solo di essere scoperte dagli scienziati, ma che i metodi tradizionali per determinare le regole riguardanti la struttura e la funzione delle proteine hanno avuto un successo limitato. Il team ha deciso di progettare modelli di apprendimento automatico in grado di rivelare queste regole di progettazione. I risultati del modello implicano che è possibile creare nuove sequenze artificiali conservando le posizioni e le correlazioni degli aminoacidi nell’evoluzione delle coppie di aminoacidi.
Il team di ricercatori ha creato geni sintetici che codificavano sequenze di aminoacidi che producono queste proteine. Clonarono i batteri con questi geni sintetici e scoprirono che i batteri usavano le proteine sintetiche nei loro macchinari cellulari, funzionando quasi esattamente come le normali proteine.
Secondo Ranganathan, le semplici regole che distinguevano la loro IA possono essere utilizzate per creare proteine artificiali di incredibile complessità e varietà. Come ha spiegato Ranganathan a EurekaAlert:
“I vincoli sono molto più piccoli di quanto avessimo mai immaginato che sarebbero stati. C’è una semplicità nelle regole di progettazione della natura e crediamo che approcci simili potrebbero aiutarci a cercare modelli per la progettazione in altri sistemi complessi in biologia, come gli ecosistemi o il cervello. “
Ranganathan e collaboratori vogliono prendere i loro modelli e generalizzarli, creando una piattaforma che gli scienziati possono usare per capire meglio come sono costruite le proteine e quali effetti hanno. Sperano di utilizzare i loro sistemi di intelligenza artificiale per consentire ad altri scienziati di scoprire proteine in grado di affrontare questioni importanti come il cambiamento climatico. Ranganathan e il professore associato Andrew Ferguson hanno creato una società soprannominata Evozyne, che mira a commercializzare la tecnologia e promuoverne l’uso in campi come l’agricoltura, l’energia e l’ambiente.
Comprendere i punti in comune tra le proteine e le relazioni tra struttura e funzione potrebbe anche aiutare a creare nuovi farmaci e forme di terapia . Sebbene il ripiegamento delle proteine sia stato a lungo considerato un problema incredibilmente difficile da decifrare per i computer, le intuizioni di modelli come quello una volta prodotto dal team di Ranganathan potrebbero aiutare ad aumentare la velocità di produzione di questi calcoli, facilitando la creazione di nuovi farmaci basati su queste proteine. Potrebbero essere sviluppati farmaci che bloccano la creazione di proteine all’interno dei virus, aiutando potenzialmente nel trattamento anche di nuovi virus come il coronavirus Covid-19.
Ranganathan e il resto del gruppo di ricerca devono ancora capire come e perché funzionano i loro modelli e come producono schemi proteici affidabili. Il prossimo obiettivo del team di ricerca è comprendere meglio quali attributi i modelli stanno prendendo in considerazione per arrivare alle loro conclusioni.
