Olbaltumvielu valodas modelis ESM3

Kas tas ir

Olbaltumvielas ir garas ķēdes, kas sastāv no aminoskābju «būvelementiem», un šo elementu secība nosaka olbaltumvielas formu un to, ko tā spēj darīt. ESM3 ir olbaltumvielu valodas modelis: tāpat kā teksta modelis mācās no vārdiem, tas mācās no miljardiem dabisko olbaltumvielu secībām, trīsdimensiju formām un zināmajām funkcijām. Tam var dot nepilnu olbaltumvielas aprakstu, piemēram, formas daļu vai vajadzīgo funkciju, un tas pabeidz pārējo. Uzņēmums EvolutionaryScale, kas darbojas kā sabiedriskā labuma sabiedrība, izveidoja modeli un pārbaudīja to uz fluorescējošām olbaltumvielām, kuru dēļ spīd medūzas un koraļļi. Atlasītie varianti tika izgatavoti laboratorijā, un viena spilgta olbaltumviela sakrita ar tuvāko zināmo fluorescējošo olbaltumvielu 58 procentos pozīciju. Mazāka modeļa versija ar 1,4 miljardiem parametru (tā sauc regulējamos skaitļus, ko modelis apgūst treniņa laikā) ir atklāti publicēta, un to var izmantot ikviens.

Kāpēc tas ir svarīgi

Fluorescējošās olbaltumvielas ir ikdienas laboratorijas rīki. Piestiprinot tās citai olbaltumvielai, pētnieki var redzēt, kur šī olbaltumviela pārvietojas dzīvā šūnā, un par to atklāšanu un attīstību 2008. gadā piešķīra Nobela prēmiju ķīmijā. Dabā tās sastopamas tikai dažos dzīvības koka zaros, un lielāko daļu zināmo variantu atrada, pētot dabu. Rīks, kas veido olbaltumvielas tālu no visām zināmajām, varētu paplašināt jaunu pētniecības rīku, zāļu un enzīmu meklēšanu, un tieši šādu mērķi EvolutionaryScale nosauc ESM3.

Kā to lasīt

Secības identitāte 58 procenti nozīmē: ja jauno olbaltumvielu salīdzina ar tuvāko dabisko fluorescējošo olbaltumvielu, 58 pozīcijās no katrām 100 ķēdē atrodas viens un tas pats elements. No tuvākā radinieka jaunā olbaltumviela atšķiras 96 no savām 229 pozīcijām. Skaitlis 500 miljoni gadu ir autoru vērtējums: dabiskās fluorescējošās olbaltumvielas ar līdzīgu atšķirību šķir simtiem miljonu gadu evolūcijas, tāpēc šo atstarpi apraksta kā līdzvērtīgu šim laika posmam. Modelis secību uzrakstīja uzreiz, un laika posms ir veids, kā izteikt attālumu. Salīdzinājumam: agrākā meklēšana laboratorijā un ar mašīnmācīšanos sasniedza variantus, kas atšķiras līdz 20 procentiem pozīciju. Pēc EvolutionaryScale apraksta eksperiments bija neliels: pirmais cikls ar 96 variantiem un otrais cikls ar 96 variantiem, kas balstījās uz pirmā cikla labāko rezultātu.

Ierobežojumi

Laboratorijas pārbaude aptver vienu olbaltumvielu saimi, fluorescējošās olbaltumvielas. Pirmajā ciklā tālākā no spīdošajām olbaltumvielām bija apmēram 50 reižu blāvāka par dabiskajām, un tās spīdošajam centram veidoties vajadzēja apmēram nedēļu, kamēr dabiskajām pietiek ar mazāk nekā diennakti; vairākus variantus ar dabiskajām tuvu spilgtumu deva tikai otrais cikls. Citi apraksta piemēri, piemēram, ieteiktais karkass enzīmam, kas noārda plastmasu, ir datorprojekti. Skaitlis 500 miljoni gadu ir vērtējums, kas balstīts uz to, cik ātri dabiskās fluorescējošās olbaltumvielas attālinās cita no citas. Atklātajam modelim ir 1,4 miljardi parametru, un lielāki saimes modeļi ir pieejami caur uzņēmuma tiešsaistes pakalpojumu.

Avoti

• Eiropas PubMed Central: 500 miljonu gadu evolūcijas simulēšana ar valodas modeli (Simulating 500 million years of evolution with a language model; Science, 16 January 2025)
• EvolutionaryScale: ESM3, 500 miljonu gadu evolūcijas simulēšana ar valodas modeli, paziņojums ar 2025. gada janvāra papildinājumu (ESM3: Simulating 500 million years of evolution with a language model)
• Hugging Face: atvērtais ESM3 modelis, modeļa kartīte (ESM3 open model, model card)
• Nobela prēmija: preses relīze, 2008. gada Nobela prēmija ķīmijā (Press release, The Nobel Prize in Chemistry 2008)
• Vikikrātuve: Aequorea victoria, foto (Aequorea victoria, photo)