publicidad
Noticias científicas
de organizaciones de investigación

El aprendizaje profundo sueña con nuevas estructuras de proteínas

Una red neuronal entrenada exclusivamente para predecir formas de proteínas también puede generar otras nuevas.

Fecha :
1 de diciembre de 2021
Fuente :
Facultad de Medicina de la Universidad de Washington / Medicina de la UW
Resumen :
Utilizando inteligencia artificial y aprendizaje profundo, los investigadores han desarrollado una red neuronal que 'alucina' las estructuras de nuevas moléculas de proteínas. Los científicos inventaron secuencias de proteínas completamente aleatorias e introdujeron mutaciones en ellas hasta que la red neuronal predijo que se plegarían en estructuras estables.. El software no se guió hacia un resultado en particular; las proteínas eran simplemente lo que la computadora sueña. Siguiente paso: usar el aprendizaje profundo para tratar de diseñar proteínas con funciones particulares, como enzimas o medicamentos.
Compartir :
HISTORIA COMPLETA

Del mismo modo que se pueden crear imágenes convincentes de gatos utilizando inteligencia artificial, ahora se pueden crear nuevas proteínas utilizando herramientas similares. En un informe en Naturaleza , los investigadores describen el desarrollo de una red neuronal que "alucina" proteínas con estructuras nuevas y estables.

Las proteínas, que son moléculas similares a cuerdas que se encuentran en cada célula, se pliegan espontáneamente en intrincadas formas tridimensionales. Estas formas dobladas son clave para casi todos los procesos biológicos, incluido el desarrollo celular, la reparación del ADN y el metabolismo. Pero la complejidad de las proteínasLas formas hacen que sean difíciles de estudiar. Los bioquímicos a menudo usan computadoras para predecir cómo se pueden plegar las cadenas o secuencias de proteínas. En los últimos años, el aprendizaje profundo ha revolucionado la precisión de este trabajo.

"Para este proyecto, inventamos secuencias de proteínas completamente aleatorias e introdujimos mutaciones en ellas hasta que nuestra red neuronal predijo que se plegarían en estructuras estables", dijo el coautor principal Ivan Anishchenko, instructor en funciones de bioquímica en elFacultad de Medicina de la Universidad de Washington e investigador en el laboratorio de David Baker en el Instituto de Medicina para el Diseño de Proteínas de la Universidad de Washington.

"En ningún momento guiamos el software hacia un resultado en particular", dijo Anishchenko, "estas nuevas proteínas son exactamente lo que imagina una computadora".

En el futuro, el equipo cree que debería ser posible dirigir la inteligencia artificial para que genere nuevas proteínas con características útiles.

"Nos gustaría utilizar el aprendizaje profundo para diseñar proteínas con función, incluidos medicamentos basados ​​en proteínas, enzimas, lo que sea", dijo el coautor principal Sam Pellock, investigador postdoctoral en el laboratorio Baker.

El equipo de investigación, que incluía a científicos de la Universidad de Washington, la Universidad de Harvard y el Instituto Politécnico Rensselaer RPI, generó dos mil nuevas secuencias de proteínas que se predijo que se duplicarían. Más de 100 de ellas se produjeron y estudiaron en el laboratorio. Análisis detalladoen tres de esas proteínas confirmó que las formas predichas por la computadora se realizaron en el laboratorio.

"Nuestros estudios de RMN [resonancia magnética nuclear], junto con las estructuras de cristal de rayos X determinadas por el equipo de la Universidad de Washington, demuestran la notable precisión de los diseños de proteínas creados por el enfoque de la alucinación", dijo la coautora Theresa Ramelot, seniorcientífico investigador en RPI en Troy, Nueva York.

Gaetano Montelione, coautor y profesor de química y biología química en RPI, señaló: "El enfoque de la alucinación se basa en observaciones que hicimos junto con el laboratorio de Baker que revelan que la predicción de la estructura de proteínas con aprendizaje profundo puede ser bastante precisa incluso para unsecuencia de proteína única sin parientes naturales. El potencial para alucinar proteínas nuevas que se unen a biomoléculas particulares o forman sitios activos enzimáticos deseados es muy emocionante ".

"Este enfoque simplifica enormemente el diseño de proteínas", dijo el autor principal David Baker, profesor de bioquímica en la Facultad de Medicina de la Universidad de Washington, que recibió un Premio Breakthrough Prize en Ciencias de la Vida 2021. "Antes, para crear una nueva proteína con una forma particular,las personas primero estudiaron cuidadosamente las estructuras relacionadas en la naturaleza para llegar a un conjunto de reglas que luego se aplicaron en el proceso de diseño. Se necesitaban nuevos conjuntos de reglas para cada nuevo tipo de pliegue. Aquí, mediante el uso de una red de aprendizaje profundo que ya capturaprincipios generales de la estructura de la proteína, eliminamos la necesidad de reglas específicas de pliegue y abrimos la posibilidad de enfocarnos solo en las partes funcionales de una proteína directamente ".

"Explorar cómo utilizar mejor esta estrategia para aplicaciones específicas es ahora un área activa de investigación, y aquí es donde espero los próximos avances", dijo Baker.

El financiamiento fue proporcionado por la National Science Foundation, los Institutos Nacionales de Salud, el Departamento de Energía, Open Philanthropy, Eric y Wendy Schmidt por recomendación del programa Schmidt Futures, Audacious Project, Washington Research Foundation, Novo Nordisk Foundation y Howard Hughes MedicalInstitute. Los autores también agradecen los recursos informáticos de la Universidad de Washington y los voluntarios de Rosetta @ Home.


Fuente de la historia :

Materiales proporcionado por Facultad de Medicina de la Universidad de Washington / Medicina de la UW . Original escrito por Ian C. Haydon. Nota: el contenido se puede editar por estilo y longitud.


Referencia de la revista :

  1. Ivan Anishchenko, Samuel J. Pellock, Tamuka M. Chidyausiku, Theresa A. Ramelot, Sergey Ovchinnikov, Jingzhou Hao, Khushboo Bafna, Christoffer Norn, Alex Kang, Asim K. Bera, Frank DiMaio, Lauren Carter, Cameron M. Chow, Gaetano T. Montelione, David Baker. Diseño de proteína de novo por alucinación de red profunda . Naturaleza , 2021; DOI: 10.1038 / s41586-021-04184-w

cite esta página :

Facultad de Medicina de la Universidad de Washington / Medicina de la Universidad de Washington. "El aprendizaje profundo crea nuevas estructuras de proteínas: una red neuronal entrenada exclusivamente para predecir formas de proteínas también puede generar otras nuevas." ScienceDaily. ScienceDaily, 1 de diciembre de 2021. .
Facultad de Medicina de la Universidad de Washington / Medicina de la Universidad de Washington. 2021, 1 de diciembre. El aprendizaje profundo sueña con nuevas estructuras de proteínas: una red neuronal entrenada exclusivamente para predecir formas de proteínas también puede generar otras nuevas ... ScienceDaily . Obtenido el 1 de diciembre de 2021 de www.science-things.com/releases/2021/12/211201111930.htm
Facultad de Medicina de la Universidad de Washington / Medicina de la Universidad de Washington. "El aprendizaje profundo crea nuevas estructuras de proteínas: una red neuronal entrenada exclusivamente para predecir formas de proteínas también puede generar otras nuevas". ScienceDaily. Www.science-things.com/releases/2021/12 / 211201111930.htm consultado el 1 de diciembre de 2021.

1

2

3

4

5
HISTORIAS RELACIONADAS