Przewidywanie stabilności mutantów białek za pomocą AI i analizy kształtu struktur białkowych

WarsawNaukowcy z Instytutu Nauki Podstawowej wykorzystali sztuczną inteligencję do badania, jak mutacje wpływają na stabilność białek. Zastosowali program AlphaFold2 firmy DeepMind, aby sprawdzić, w jaki sposób struktury białkowe mogą przewidzieć, czy po mutacji białko stanie się niestabilne. Zrozumienie tego jest istotne, ponieważ niestabilne białka mogą powodować choroby, takie jak Alzheimer, oraz obciążać komórki, które muszą je naprawiać.

Chociaż AlphaFold2 znacząco usprawnił dziedzinę biologii strukturalnej, nadal ma swoje ograniczenia, głównie dlatego, że był trenowany głównie na stabilnych białkach. Może to prowadzić do dokładnych przewidywań struktur, które jednak nie zawsze zapewniają stabilność. Naukowcy John McBride i Tsvi Tlusty postanowili sprawdzić, czy AlphaFold rozumie fizyczne zasady fałdowania białek, czy może rozpoznaje jedynie wzorce statystyczne.

Kluczowe wnioski z badań obejmują:

Przewidywane struktury przez AlphaFold dostarczają wielu informacji na temat stabilności białek. Wskaźniki mierzące naprężenie są powiązane ze zmianami stabilności, a nawet niewielkie zmiany strukturalne mogą znacząco wpłynąć na stabilność białka.

Zobacz również:

Wczoraj · 15:27

USA przodują w innowacjach AI, dystansując Chiny w rankingu Stanforda

Efektywna miara odkształcenia to metryka wykrywająca drobne zmiany strukturalne. McBride i Tlusty wykazali, że przewidywane zmiany strukturalne przez AlphaFold często pokrywają się ze znaczącymi zmianami stabilności zaobserwowanymi w eksperymentach.

Znajomość tych szczegółów pozwala na tworzenie lepszych białek. Naukowcy mogą opracowywać białka, które są bardziej stabilne i działają efektywniej, co wspomaga produkcję leków i leczenie chorób wynikających z nieprawidłowego fałdowania białek. Umiejętność przewidywania stabilności białka na podstawie jego struktury stwarza nowe możliwości w biotechnologii i leczeniu medycznym.

Badania te pokazują, jak sztuczna inteligencja może wspierać odkrycia naukowe. AlphaFold już teraz potrafi przewidywać struktury białek, ale wraz z ulepszeniami mógłby także przewidywać ich stabilność i funkcje. Takie dogłębne zrozumienie mogłoby zrewolucjonizować podejście do badań biologicznych i opracowywania terapii medycznych.

Badacze z IBS odkryli nowy sposób wykorzystania AlphaFold, który wykracza poza jego pierwotne zastosowanie. Przeanalizowali interakcje między strukturą a stabilnością i wykazali, że potrzebujemy nowych modeli, aby zrozumieć fizyczne detale. Może to przynieść znaczne postępy w inżynierii białek i leczeniu chorób.