AI-prediktion av proteinformer för att bedöma mutationsstabilitet och främja läkemedelsutveckling

StockholmForskare vid Institutet för Grundforskning har använt artificiell intelligens för att studera hur mutationer påverkar proteiners stabilitet. De använde DeepMinds program AlphaFold2 för att undersöka hur proteinstrukturer kan förutsäga om ett protein kommer att bli instabilt efter en mutation. Att förstå detta är viktigt eftersom instabila proteiner kan orsaka sjukdomar som Alzheimers och belasta celler kraftigt som måste reparera dem.

Även om AlphaFold2 har förbättrat den strukturella biologin avsevärt, har det fortfarande begränsningar, särskilt eftersom det mestadels har tränats på stabila proteiner. Det kan leda till exakta strukturförutsägelser som inte nödvändigtvis garanterar stabilitet. Forskare, John McBride och Tsvi Tlusty, ville ta reda på om AlphaFold förstår proteinveckningens fysiska principer eller om det bara känner igen statistiska mönster.

Viktiga insikter från studien omfattar:

AlphaFolds förutsagda strukturer ger mycket information om proteiners stabilitet. Mått som mäter belastning är kopplade till förändringar i stabilitet, och även små strukturella förändringar kan ha stor påverkan på hur stabilt ett protein är.

Läs också:

Idag · 12:41

OpenAIs utmanande övergång till en vinstdrivande enhet

Det effektiva töjningsmåttet är en metod för att upptäcka små strukturella förändringar. McBride och Tlusty visade att de strukturella förändringarna som förutsägs av AlphaFold ofta överensstämmer med betydande stabilitetsförändringar som observerats i experiment.

Att förstå dessa detaljer underlättar skapandet av förbättrade proteiner. Forskare kan utveckla proteiner som är mera stabila och funktionsdugliga, vilket är avgörande vid tillverkning av läkemedel och behandling av sjukdomar där proteiner veckar sig felaktigt. Förmågan att förutsäga proteinernas stabilitet utifrån deras struktur öppnar upp nya möjligheter inom bioteknik och medicinska behandlingar.

Denna forskning belyser hur AI kan bidra till vetenskapliga upptäckter. AlphaFold kan redan förutsäga proteinstrukturer, men med ytterligare förbättringar skulle det även kunna förutsäga deras stabilitet och funktion. Denna djupare förståelse kan förändra hur vi bedriver biologisk forskning och utvecklar medicinska behandlingar.

Forskare vid IBS har hittat ett nytt sätt att använda AlphaFold som går bortom dess ursprungliga syfte. De undersökte hur struktur och stabilitet samverkar och visade att vi behöver nya modeller för att förstå de fysiska detaljerna. Detta kan leda till stora förbättringar inom proteinteknik och behandling av sjukdomar.