Un model de Inteligență Artificială a simulat o jumătate de miliard de ani de evoluție moleculară pentru a crea codul unei proteine necunoscute până acum, potrivit unui nou studiu. Proteina strălucitoare, care este similară cu cele găsite în meduze și corali, ar putea ajuta la dezvoltarea de noi medicamente, spun cercetătorii.
Proteinele sunt unul dintre elementele de bază ale vieții și îndeplinesc diverse funcții în organism, cum ar fi construirea mușchilor și combaterea bolilor. Proteina simulată, denumită esmGFP, există doar sub formă de cod informatic, dar conține schița unui verde necunoscut anterior. În natură, proteinele fluorescente verzi dau strălucirea meduzelor fluorescente și coralilor.
Secvența de litere care reprezintă instrucțiunile de fabricare a esmGFP este similară doar în proporție de 58% cu cea mai apropiată proteină fluorescentă cunoscută, care este o versiune modificată de om a unei proteine care se găsește la anemonele de mare cu vârful bulei (Entacmaea quadricolor) – creaturi marine colorate care arată ca și cum ar avea bule la capetele tentaculelor lor. Restul secvenței este unic și ar fi necesitat un total de 96 de mutații genetice diferite pentru a evolua.
Conform studiului, aceste schimbări ar fi necesitat mai mult de 500 de milioane de ani pentru a evolua în mod natural.
Cercetătorii de la o companie numită EvolutionaryScale au dezvăluit esmGFP și modelul de inteligență artificială utilizat pentru crearea sa, ESM3, într-un studiu de preprint anul trecut. Oamenii de știință independenți au revizuit acum aceste constatări, care au fost publicate în revista Science.
O jumătate de miliard de ani de evoluție moleculară
ESM3 nu proiectează proteine în cadrul constrângerilor obișnuite ale evoluției. În schimb, este un instrument de rezolvare a problemelor care umple golurile din codul incomplet al proteinelor furnizat de cercetători și, astfel, proiectează ceva care ar putea exista pe baza tuturor căilor potențiale pe care le-ar putea urma evoluția.
„Am constatat că ESM3 învață biologia fundamentală și poate genera proteine funcționale în afara spațiului explorat de evoluție”, a declarat coautorul studiului, Alex Rives, cofondator și om de știință șef al EvolutionaryScale, pentru Live Science.
Noul studiu se bazează pe cercetările pe care Rives și colegii săi le-au început la Meta, compania mamă a Facebook și Instagram, înainte de a începe EvolutionaryScale în 2024. ESM3 este ultima lor versiune a unui model generativ de limbaj similar cu GPT-4 al OpenAI, care rulează ChatGPT, dar se bazează pe biologie.
Proteinele sunt alcătuite din numite aminoacizi, a căror secvență este furnizată de gene. Diferitele proteine au secvențe diferite de aminoacizi.
Codul unei proteine necunoscute
De asemenea, ele diferă din punct de vedere structural, fiecare pliindu-se într-o formă unică care le permite să își îndeplinească funcția, potrivit Nature Education. Pentru ca ESM3 să înțeleagă proteinele, cercetătorii au furnizat modelului date privind principalele proprietăți ale unei proteine – secvența de aminoacizi, structura și funcția – sub forma unei serii de litere.
Echipa a antrenat ESM3 pe date de la 2,78 miliarde de proteine găsite în natură. Apoi, cercetătorii au ascuns în mod aleatoriu părți ale unui proiect de proteină, iar ESM3 a completat golurile pentru a completa codul pe baza a ceea ce a învățat.
Oamenii de știință modifică deja proteinele naturale și le proiectează pe cele noi pentru o varietate de scopuri. De exemplu, sunt utilizate pe scară largă în laboratoarele de cercetare. Codul lor genetic este adesea adăugat la capetele altor secvențe de ADN pentru ca proteinele pe care le codifică să devină verzi. Acest lucru permite oamenilor de știință să urmărească cu ușurință proteinele și procesele celulare.