AI voorspelt mutatiestabiliteit van eiwitten met inzichten uit door AlphaFold2 voorspelde structuren
AmsterdamWetenschappers van het Institute for Basic Science hebben kunstmatige intelligentie ingezet om te onderzoeken hoe mutaties de stabiliteit van eiwitten veranderen. Met behulp van DeepMind's AlphaFold2-programma onderzochten ze of eiwitstructuren kunnen voorspellen of een eiwit na een mutatie instabiel wordt. Dit inzicht is cruciaal omdat instabiele eiwitten ziekten zoals Alzheimer kunnen veroorzaken en een enorme belasting vormen voor cellen die ze moeten herstellen.
Hoewel AlphaFold2 een enorme vooruitgang heeft geboekt in structurele biologie, heeft het nog enkele beperkingen. Dit komt vooral omdat het voornamelijk is getraind op stabiele eiwitten, wat kan resulteren in nauwkeurige structuurvoorspellingen die niet per se stabiliteit garanderen. Onderzoekers John McBride en Tsvi Tlusty wilden ontdekken of AlphaFold de fysieke principes van eiwitvouwing begrijpt of alleen statistische patronen herkent.
Belangrijkste bevindingen van het onderzoek zijn:
De voorspelde structuren van AlphaFold geven veel inzicht in de stabiliteit van eiwitten. Metrieken die de spanning meten, zijn gekoppeld aan veranderingen in stabiliteit. Zelfs kleine structurele veranderingen kunnen de stabiliteit van een eiwit sterk beïnvloeden.
De effectieve vervormingsmaatstaf is een meetinstrument dat kleine structurele veranderingen detecteert. McBride en Tlusty toonden aan dat de door AlphaFold voorspelde structurele veranderingen vaak overeenkomen met belangrijke stabiliteitsveranderingen die in experimenten worden waargenomen.
Door deze details te kennen, kunnen wetenschappers betere eiwitten maken. Ze zijn in staat stabielere en effectievere eiwitten te creëren, wat bijdraagt aan de ontwikkeling van medicijnen en de behandeling van ziektes waarbij eiwitten verkeerd vouwen. Het vermogen om de stabiliteit van een eiwit te voorspellen op basis van zijn structuur opent nieuwe mogelijkheden in de biotechnologie en geneeskunde.
Dit onderzoek toont aan hoe AI kan bijdragen aan wetenschappelijke ontdekkingen. AlphaFold kan al de structuren van eiwitten voorspellen, maar met verdere verbeteringen zou het ook de stabiliteit en functie van deze eiwitten kunnen voorspellen. Dit diepere inzicht zou onze aanpak van biologisch onderzoek en de ontwikkeling van medische behandelingen kunnen veranderen.
Onderzoekers van IBS hebben een nieuwe manier ontdekt om AlphaFold te gebruiken die verder gaat dan de oorspronkelijke bedoeling. Ze onderzochten de interactie tussen structuur en stabiliteit en concludeerden dat er nieuwe modellen nodig zijn om de fysische details te begrijpen. Dit kan leiden tot grote verbeteringen in eiwitengineering en de behandeling van ziekten.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1103/PhysRevLett.133.098401en de officiële citatie - inclusief auteurs en tijdschrift - is
John M. McBride, Tsvi Tlusty. AI-Predicted Protein Deformation Encodes Energy Landscape Perturbation. Physical Review Letters, 2024; 133 (9) DOI: 10.1103/PhysRevLett.133.09840120 november 2024 · 01:02
AI onderweg: compacte taalmodellen voor betere prestaties op mobiele apparaten
18 november 2024 · 14:36
Precieze gedragsstudies bij muizen dankzij AI: minder dieren en snellere resultaten
Deel dit artikel