AI stworzyła sztuczne proteiny do modyfikacji genomu, które pod względem aktywności i dokładności górują nad naturalnymi odpowiednikami, kształtowanymi przez długie lata ewolucji.
Michał Duszczyk
Reklama
Dowiesz się z tego artykułu:
- W jaki sposób wykorzystanie inteligencji maszynowej oddziałuje na projektowanie protein syntetycznych?
- Na czym polega zmiana doktryny w inżynierii genetycznej?
- Jakie oddziaływanie ma to odkrycie na dostępność do wysokospecjalistycznych terapii genowych?
Naukowcy z Hiszpanii, stosując możliwości generatywnej sztucznej inteligencji, opracowali syntetyczne proteiny do edycji genomu. Ich działanie i dokładność przewyższają naturalne proteiny, które kształtowały się przez miliony lat ewolucji. O tym zadziwiającym odkryciu napisano niedawno w „Nature Biotechnology”. Eksperci są przekonani, że to osiągnięcie toruje drogę ku bardziej skutecznym i niedrogim terapiom genowym. To zwiastuje przełom między innymi w terapii nowotworów i rzadkich schorzeń.
Reklama Reklama
„Nożyczki molekularne”. Co potrafią robić?
To moment, który fachowcy określają mianem przesunięcia paradygmatu w obszarze inżynierii genetycznej. Po raz pierwszy w historii naukowcy udowodnili, że sztuczna inteligencja potrafi nie tylko imitować przyrodę, ale kreować „biologiczne narzędzia”, które są lepsze od tych, które powstały w trakcie ewolucji. Za ten przełom odpowiadają naukowcy z firmy Integra Therapeutics, którzy – razem z Uniwersytetem Pompeu Fabra w Hiszpanii oraz tamtejszym Centrum Regulacji Genomu (CRG) – posłużyli się dużymi modelami językowymi (LLM) do zaprojektowania nowatorskich, tak zwanych hiperaktywnych protein. Aby przybliżyć to odkrycie, należy wyobrazić sobie „molekularne nożyczki”, które potrafią wycinać i wstawiać fragmenty DNA w komórkach człowieka. Te enzymy, wytworzone przez AI, zademonstrowały w badaniach laboratoryjnych znacznie większą efektywność oraz precyzję w porównaniu do ich naturalnych odpowiedników. To rozwiązuje jeden z głównych kłopotów, który ograniczał dotychczas postęp i dostępność do specjalistycznych terapii genowych.
Lecz zanim sztuczna inteligencja mogła rozpocząć zadanie, potrzebowała danych. Zespół badawczy przeprowadził bezprecedensową, komputerową analizę bioprospekcyjną, analizując ponad 31 tys. genomów eukariotycznych. Dzięki temu znaleziono ponad 13 tys. nieznanych wcześniej sekwencji. Po testach w komórkach ludzkich wytypowano 10 najbardziej aktywnych, z których dwie pod względem efektywności dorównywały wersjom wcześniej optymalizowanym w laboratoriach. Właśnie ten ogromny i unikalny zbiór danych został użyty do przeszkolenia modeli AI. Jak zwraca uwagę dr Marc Güell, dyrektor naukowy w Integra Therapeutics, po raz pierwszy zastosowano genAI do kreowania „syntetycznych komponentów oraz powiększenia natury”.
Reklama Reklama Reklama
Proteiny, zaprojektowane za pomocą algorytmów, nie tylko zachowały swoją integralność strukturalną, ale także okazały się bardziej kompatybilne z aktualnymi platformami edycji genów. Jeden z wariantów zademonstrował wyjątkowo silne działanie w limfocytach T człowieka – komórkach, które są zasadnicze dla rozwoju przełomowych terapii immunoonkologicznych, jak na przykład CAR-T.
Do tej pory inżynieria protein polegała w głównej mierze na skrupulatnej modyfikacji obecnych, naturalnych struktur. Projektowanie za pomocą AI pozwala na kreowanie całkowicie nowych narzędzi molekularnych, wykraczając poza ograniczenia, które narzuciła ewolucja. Nadaje im cechy pożądane z punktu widzenia terapeutycznego. Daje to nadzieję na bardziej skuteczne leczenie, udoskonalenie produkcji i zredukowanie kosztów terapii.
Kilka tygodni temu Integra Therapeutics otrzymała od Komisji Europejskiej blisko 11 milionów euro na rozwój badań. Co istotne, wzrasta liczba firm, które koncentrują się na takim zastosowaniu AI. Potencjał ten analizuje między innymi Profluent Bio, odnosząc sukcesy z OpenCRISPR-1, edytorem genów opracowanym właśnie przez sztuczną inteligencję (wykazuje o 95 procent mniej niezamierzonych efektów ubocznych). Ostatnia premiera platformy AlphaProteo od Google DeepMind potwierdziła rosnące znaczenie tej tendencji. Analitycy przewidują, że wartość rynkowa projektowania protein za pomocą AI zwiększy się z obecnego poziomu 1,5 miliarda dolarów do 7 miliardów dolarów w 2033 roku.
