پروتئین های ضروری برای زندگی از سلول انجام وظایف پیچیده و تسریع واکنش های شیمیایی. دانشمندان و مهندسین به مدت طولانی به دنبال مهار این قدرت با طراحی مصنوعی و پروتئین است که می تواند در انجام وظایف جدید مانند درمان بیماری جذب کربن و یا برداشت انرژی اما بسیاری از فرآیندهای طراحی شده برای ایجاد چنین پروتئین ها آهسته و پیچیده با میزان شکست بالا.

در دستیابی به موفقیت است که می تواند پیامدهای سراسر, بهداشت و درمان, کشاورزی و انرژی بخش یک تیم به رهبری توسط محققان در پریتزکر مدرسه مولکولی و مهندسی (PME) در دانشگاه شیکاگو را توسعه داده است یک هوش مصنوعی-led روند که با استفاده از داده های بزرگ به طراحی جدید پروتئین است.

با توسعه ماشین-مدل های یادگیری است که می تواند نقد و بررسی پروتئین اطلاعات حذف شده از ژنوم پایگاه داده های محققان دریافتند نسبتا ساده قوانین طراحی برای ساخت پروتئین های مصنوعی. زمانی که تیم ساخته شده این پروتئین مصنوعی در آزمایشگاه آنها دریافتند که آنها انجام شوند خیلی خوب است که آنها rivaled کسانی که در طبیعت یافت می شود.

“همه ما تعجب که چگونه یک فرآیند ساده مانند تکامل می تواند منجر به چنین مواد با کارایی بالا به عنوان یک پروتئین” گفت: راما Ranganathan یوسف Regenstein استاد گروه بیوشیمی و زیست شناسی مولکولی پریتزکر مولکولی و مهندسی و دانشگاه است. “ما دریافتیم که ژنوم اطلاعات شامل مقدار زیادی از اطلاعات در مورد قوانین اساسی از ساختار پروتئین و عملکرد و در حال حاضر ما توانسته ایم به بطری طبیعت قوانین برای ایجاد پروتئین های خودمان است.”

نتایج منتشر شد تاریخ 24 ژوئیه در مجله علوم.

با استفاده از هوش مصنوعی برای یادگیری قوانین طراحی

پروتئین های ساخته شده از صدها یا هزاران نفر از اسیدهای آمینه و اسید آمینه توالی مشخص پروتئین در ساختار و عملکرد. اما درک فقط چگونه برای ساخت این دنباله به ایجاد رمان پروتئین بوده و به چالش کشیدن. کار گذشته منجر به روش های است که می تواند تعیین ساختار تابع بوده و بیشتر دشوار است.

چه Ranganathan و همکاران خود متوجه شدم بیش از 15 سال گذشته است که ژنوم پایگاه داده–که در حال رشد نمایی–حاوی مقدار زیادی از اطلاعات در مورد قوانین اساسی از ساختار پروتئین و عملکرد است. گروه طراحی و توسعه مدل های ریاضی بر اساس این داده ها و سپس شروع به استفاده از دستگاه-روش های یادگیری به فاش کردن اطلاعات جدید در مورد پروتئین ها’ طراحی پایه قوانین.

برای این تحقیق آنها مورد مطالعه قرار chorismate mutase خانواده ای از آنزیم های متابولیک یک نوع پروتئین است که مهم است برای زندگی در بسیاری از باکتری ها و قارچ ها و گیاهان. با استفاده از ماشین-آموزش مدل های محققان قادر به نشان می دهد, ساده, قوانین طراحی پشت این پروتئین است.

این مدل نشان می دهد که فقط حفاظت در اسید آمینه مواضع و همبستگی در تکامل جفت از اسیدهای آمینه کافی برای پیش بینی مصنوعی جدید توالی که خواص پروتئین ،

“ما به طور کلی فرض کنیم که برای ساخت چیزی است که شما باید برای اولین بار عمیقا درک چگونه کار می کند” Ranganathan گفت. “اما اگر شما به اندازه کافی اطلاعات نمونه شما می توانید با استفاده از یادگیری عمیق روش برای یادگیری قواعد طراحی حتی در حالی که شما درک چگونه کار می کند و یا چرا از آن ساخته شده است که در راه است.”

او و همکارانش پس از آن ایجاد مصنوعی ژن به رمز برای پروتئین های کلون آنها به باکتری و تماشا به عنوان باکتری ها ساخته شده و سپس مصنوعی پروتئین با استفاده از نرمال سلولی ماشین آلات. آنها دریافتند که پروتئین های مصنوعی تا به حال همان تابع به عنوان کاتالیزوری طبیعی chorismate mutase پروتئین است.

یک پلت فرم برای درک دیگر سیستم های پیچیده

به دلیل طراحی قوانین آنقدر نسبتا ساده و تعداد مصنوعی پروتئین است که محققان به طور بالقوه می تواند ایجاد و با آنها بسیار بزرگ است.

“محدودیت های بسیار کوچکتر از ما تا به حال تصور آنها خواهد بود” Ranganathan گفت. “وجود سادگی در طراحی طبیعت قوانین و ما معتقدیم مشابه روش می تواند به ما کمک کند جستجو برای مدل برای طراحی در دیگر سیستم های پیچیده در زیست شناسی مانند اکوسیستم یا مغز است.”

هر چند هوش مصنوعی نشان داد که طراحی قوانین Ranganathan و همکارانش هنوز کاملا نمی دانند که چرا این مدل کار می کنند. بعد آنها کار خواهد کرد به درک فقط چگونه مدل به این نتیجه رسیدند. “وجود دارد خیلی بیشتر کار انجام شود,” او گفت:.

در عین حال آنها نیز امید به استفاده از این پلت فرم برای توسعه پروتئین است که می تواند آدرس فشار دادن مشکلات اجتماعی مانند تغییر آب و هوا. Ranganathan و Assoc. پروفسور اندرو فرگوسن باید چرخید یک شرکت به نام Evozyne که تجاری این فناوری در کاربردهای انرژی و محیط زیست و تجزیه و کشاورزی است. Ranganathan کار کرده با UChicago را Polsky مرکز کارآفرینی و نوآوری به فایل اختراع ثبت شده و مجوز IP به این شرکت است.

“این سیستم به ما می دهد یک پلت فرم برای منطقی, مهندسی, مولکول های پروتئین در راه است که ما همیشه ما می تواند,” او گفت:. “نه تنها می توانید آن را به ما آموزش فیزیک چگونه پروتئین ها کار می کنند و چگونه آنها تکامل آن می تواند به ما کمک کند پیدا کردن راه حل برای مسائل مانند کربن جذب و انرژی برداشت. و حتی بیشتر به طور کلی مطالعات انجام شده در پروتئین ها ممکن است حتی کمک به ما میآموزد که چگونه عمیق شبکه های عصبی, پشت, ماشین های مدرن یادگیری در واقع کار می کنند.”

###

دیگر نویسندگان در این مقاله عبارتند از: William P. راس از دانشگاه تگزاس جنوب غربی مرکز پزشکی; Martin Weigt ماتئو Figliuzzi و Pierre Barrat-Charlaix از دانشگاه سوربن دانشگاه?; مسیحی استاکر, پیتر Kast دونالد Hilvert از ETH زوریخ; Simona Cocco و رمی Monasson از Laboratoire de Physique de l’ecole نرمال سوپ?rieure; و مایکل Socolich از دانشگاه شیکاگو است.

استناد: “یک تحول مبتنی بر مدل برای طراحی chorismate mutase آنزیم” Russ et al. علم است. DOI: 10.1126/science.aba3304

کمک های مالی: موسسه ملی بهداشت, Robert A. ولش پایه دانشگاه شیکاگو مرکز اطلاعات و محاسبات مرکز سبز برای سیستم های زیست شناسی در دانشگاه تگزاس جنوب غربی مرکز پزشکی اتحادیه اروپا H2020 پژوهش و نوآوری برنامه Agence Nationale de la Recherche و سوئیس بنیاد ملی علوم.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdclck.ruulvis.netshrtco.de