Вчені тепер можуть проєктувати білки за допомогою ШІ на звичайній мові
· Майбутнє
Вчені розробили ШІ-систему Pinal, яка дозволяє створювати нові білкові структури за простим текстовим описом, усуваючи потребу у глибоких знаннях біохімії.
Дослідники з Westlake University у Китаї представили систему штучного інтелекту під назвою Pinal, яка дозволяє створювати нові білки на основі простого текстового опису їхніх функцій. Це розробка, що має на меті спростити роботу біологів, що може спростити проєктування білків і зменшити потребу в спеціалізованих технічних навичках на етапі постановки завдання.
Як працює нова модель
Алгоритм Pinal працює у два етапи, не вимагаючи від користувача знань про молекулярну архітектуру білка. Спершу спеціальний модуль перетворює текстовий запит на структурний план, а другий модуль на основі цього плану та початкового завдання підбирає відповідну послідовність амінокислот. Система створює кілька варіантів дизайну, оцінює кожен із них і пропонує найбільш вдалі рішення.
Для навчання ШІ команда використала величезний масив даних: приблизно 135 мільйонів послідовностей білків, доповнених близько 1,7 мільярда пар «текст-функція», створених за допомогою великих мовних моделей. Структури цих білків були спрогнозовані через AlphaFold.
Автори дослідження, опублікованого в журналі Nature, зазначають: «Важливість Pinal полягає не лише в його ефективності, а й у переосмисленні дизайну білків як завдання, яке можна задати за допомогою функціональної мови».
Під час тестів модель спробували використати для створення чотирьох специфічних білків: флуоресцентного маркера, ферменту для розщеплення PET-пластику, ферменту для обробки спиртів та білка-переносника для метаболічних шляхів. Результати виявилися неоднорідними: наприклад, для створення одного функціонального білка, що світиться, системі знадобилося згенерувати 50 000 варіантів, з яких лише 29 пройшли відбір, а в лабораторії підтвердився лише один. Проте для білка-переносника успішними виявилися п’ять із 20 кандидатів. Найкращий із них підвищив вихід у багатоферментному шляху фіксації вуглекислого газу в 1,7 раза порівняно з природною версією.
Окрім Pinal, наукова спільнота також працює над подібними інструментами для аналізу ДНК. Зокрема, модель Carbon-X, створена спільною групою дослідників з Італії та Китаю за участі Hugging Face, здатна відповідати на питання щодо генних послідовностей та прогнозувати наслідки мутацій.
Попри потенціал, розробники обох систем визнають наявність недоліків. Pinal може обмежувати пошук оптимальних варіантів через специфіку алгоритмів оцінки, тоді як Carbon-X має труднощі з довгими послідовностями та схильний до «галюцинацій». Окрім того, лабораторна верифікація згенерованих ШІ результатів все ще залишається необхідною умовою. Як підкреслюють автори, «протягом десятиліть галузь переважно вимагала спеціалізованого досвіду для перетворення бажаних функцій на низькорівневі структурні або послідовні обмеження». Нові інструменти мають зробити ці дослідження доступнішими для ширшого кола вчених.
За матеріалами Singularity Hub