Białka odpowiadają za niemal wszystkie procesy zachodzące w ludzkim organizmie. To one kontrolują pracę komórek, przenoszą sygnały i stanowią cel dla większości nowoczesnych leków. Problem w tym, że projektowanie nowych białek i przewidywanie ich działania pozostaje jednym z najtrudniejszych wyzwań współczesnej biologii.

Biohub, organizacja badawcza założona przez Marka Zuckerberga i Priscillę Chan, uważa, że sztuczna inteligencja może ten proces znacznie przyspieszyć. Firma pokazała właśnie zestaw otwartych modeli AI, które mają pomagać w przewidywaniu struktur białek, analizowaniu ich funkcji oraz projektowaniu nowych cząsteczek działających zgodnie z założeniami już w eksperymentach laboratoryjnych.

AI trenowana na "języku życia"

Podstawą projektu jest model ESMC. To duży model językowy wytrenowany na ok. 2,8 mld sekwencji białkowych pochodzących z całego drzewa życia: od bakterii żyjących głęboko pod ziemią po białka występujące w ludzkim organizmie. Biohub zakłada, że jeśli AI nauczy się wzorców obecnych w sekwencjach białek tworzonych przez ewolucję przez miliardy lat, zacznie rozumieć biologiczne reguły odpowiadające za fałdowanie, funkcjonowanie i interakcje białek.

- Projektowanie interakcji między białkami to jeden z najważniejszych problemów współczesnej biochemii i kluczowy element opracowywania nowych leków. Pokazaliśmy, że modele nauczyły się biologii na tyle dobrze, że można projektować interakcje białek komputerowo, a następnie przenieść je do laboratorium i uzyskać przewidywane działanie - powiedział Alex Rives, Head of Science w Biohub.

Nowe leki w kilka dni

Drugim elementem projektu jest ESMFold2 - otwarty model do przewidywania struktur białek i projektowania nowych cząsteczek wiążących się z określonymi celami biologicznymi. Takie rozwiązanie może znacząco przyspieszyć wczesny etap odkrywania leków.

Dziś znalezienie pojedynczego kandydata na terapeutyczne przeciwciało zajmuje zwykle 3-4 lata. ESMFold2 ma skracać ten etap do dni lub godzin, przenosząc dużą część poszukiwań do symulacji komputerowych.

W opublikowanym preprincie badacze opisali wykorzystanie modelu do projektowania białek przeciwko 5 ważnym celom związanym z onkologią i immunologią. Chodzi m.in. o EGFR i PDGFRβ związane ze wzrostem nowotworów oraz PD-L1 i CTLA-4, czyli punkty kontrolne układu odpornościowego wykorzystywane przez komórki nowotworowe do unikania odpowiedzi immunologicznej.

W laboratorium udało się potwierdzić wiązanie zaprojektowanych cząsteczek z wybranymi celami biologicznymi. W przypadku PD-L1 projektowane białka przywracały sygnalizację limfocytów T, blokując ten sam szlak biologiczny, na który działają obecnie stosowane leki. Skuteczność trafienia w odpowiedni cel wynosiła od 36 do 88 proc. dla małych substancji wiążących (tzw. minibinderów) oraz od 15 do 29 proc. dla struktur opartych na przeciwciałach.

Największa mapa białek tworzona przez AI

Trzecim elementem projektu jest ESM Atlas - ogromna baza danych obejmująca 6,8 mld sekwencji białkowych i 1,1 mld przewidywanych struktur przestrzennych. Według Biohub to największe dotąd zastosowanie AI w biologii białek.

Atlas organizuje białka według relacji wykrytych przez model AI. Dzięki temu możliwe jest odnajdywanie powiązań, których wcześniej nie wykrywały klasyczne bazy danych. Biohub podaje przykład enzymów związanych z edycją genów, które występują w odległych ewolucyjnie organizmach, ale mają podobne właściwości biologiczne.

Biohub stawia na otwartą naukę

Wszystkie modele - ESMC, ESMFold2 i ESM Atlas - zostały udostępnione publicznie badaczom na platformie Biohub.

- Biohub powstał z przekonania, że otwarta nauka przyspiesza odkrycia. Udostępnienie tych narzędzi oznacza, że naukowcy na całym świecie mogą szybciej pracować nad spersonalizowanymi terapiami celującymi w konkretną biologię choroby - powiedziała dr Priscilla Chan, współzałożycielka Biohub.

Projekt wpisuje się w coraz szybszy rozwój biologii wspieranej przez sztuczną inteligencję. Kilka lat temu przełomem był AlphaFold od DeepMind, który nauczył się przewidywać struktury białek. Biohub chce pójść krok dalej - nie tylko przewidywać budowę białek, ale także projektować zupełnie nowe biologiczne rozwiązania, które mogą stać się podstawą przyszłych terapii.

Czytaj także:

Gigant komputerowy chce przyspieszyć tworzenie nowych leków

Roche przejmuje PathAI i przyspiesza diagnostykę