Egy új tanulmány alapján mesterséges intelligencia (MI) segítségével szimuláltak félmilliárd évnyi molekuláris evolúciót, hogy létrehozzák egy eddig ismeretlen fehérje kódját – írja a Live Science. A protein hasonlít a bizonyos medúzákban és korallokban megtalálható molekulákhoz, és segíthet új gyógyszerek kifejlesztésében.
A fehérjék az élet építőkövei közé tartoznak, és különböző funkciókat látnak el a szervezetben, többek között az izmok felépítésében segítenek. Az esmGFP nevű szimulált protein csak számítógépes kódként létezik, de tartalmazza a zöld fluoreszkáló molekulák egy eddig ismeretlen típusának tervrajzát. A természetben a zöld fluoreszcens fehérjék adják a biofluoreszcens medúzák és korallok fényét.
Az esmGFP előállításának utasításait tartalmazó betűsor csupán 58 százalékban hasonlít a legközelebbi ismert fluoreszcens fehérjéhez. Ez a hólyagos anemóna nevű tengerirózsafaj egyik proteinjének ember által módosított változata.
Az EvolutionaryScale nevű cég kutatói egy preprint tanulmányban már tavaly bemutatták az esmGFP-t és az azt megalkotó ESM3 MI-modellt, a független szakértők által felülvizsgált eredményeket a közelmúltban újabb publikációban ismertették. Az ESM3 nem az evolúció szokásos korlátai között tervez fehérjéket, ehelyett kitölti a hiányos kódokat, ezzel teremtve olyan formát, amely az evolúció összes lehetséges útvonala alapján létezhet.
Alex Rives, az EvolutionaryScale társalapítója és vezető kutatója szerint az ESM3 megtanulja az alapvető biológiát, és képes funkcionális fehérjéket létrehozni.
Értékes adatok
Az új tanulmány azokra a kutatásokra épül, amelyeket Rives és kollégái a Metánál, a Facebook és az Instagram anyavállalatánál kezdtek el, mielőtt 2024-ben megalapították saját cégüket. Az ESM3 egy generatív nyelvi modell, amely hasonlít az OpenAI GPT-4-éhez, ám biológián alapul.
A proteinek aminosavaknak nevezett molekulaláncokból állnak, amelyek sorrendjét a gének határozzák meg. Minden fehérje szerkezetileg egyedi.
Ahhoz, hogy az ESM3 megértse a fehérjéket, a kutatók betűsorozatként betáplálták a modellbe a főbb tulajdonságokat, így az aminosavak sorrendjét. A csapat a természetben található 2,78 milliárd különböző protein adatai révén tanította be a rendszert, ezután pedig véletlenszerűen betáplálták egy fehérje tervrajzának részeit, hogy a modell kitöltse a hiányosságokat.
Vizsgálataink azt mutatták, hogy ezen egyszerű feladat megoldásával a fehérjék biológiájának mélyszerkezetéről szóló információk jelennek meg a hálózatban
– mondta Rives.
A tudomány már most is számos célra hasznosítja, módosítja, illetve fejleszti a proteineket, a zöld fluoreszcens fehérjéket például széles körben alkalmazzák laboratóriumokban. Az ESM3 képességei felgyorsíthatják a fehérjemérnöki munkát, ami többek között új gyógyszerek létrehozásához is hozzájárulhat.
Tiffany Taylor, a Bathi Egyetem munkatársa, aki nem vett részt a kutatásban, úgy véli, hogy az ESM3-hoz hasonló modellek valóban rendkívül hasznosak lehetnek. Fontos ugyanakkor, hogy az 500 millió évnyi evolúció szimulációja csak az egyes fehérjékre összpontosított, és nem vette figyelembe a természetes szelekció több kulcsfontosságú szakaszát.
The post Olyat tett a mesterséges intelligencia, amihez a természetnek 500 millió évre lenne szüksége first appeared on 24.hu.
