Wesprzyj

Innowacje

Sztuczna inteligencja

Model językowy białek ESM3

Ilustracyjne zdjęcie stockowe meduzy Aequorea victoria, gatunku, u którego po raz pierwszy znaleziono zielone białko fluorescencyjne.

Ilustracyjne zdjęcie stockowe meduzy Aequorea victoria, gatunku, u którego po raz pierwszy znaleziono zielone białko fluorescencyjne.

Zdjęcie: Mnolf, za pośrednictwem Wikimedia Commons, licencja Creative Commons Uznanie autorstwa na tych samych warunkach 3.0 (https://creativecommons.org/licenses/by-sa/3.0/). Strona pliku: https://commons.wikimedia.org/wiki/File:Aequorea_victoria.jpg

Sztuczna inteligencja Badania

Czym jest

Białka to długie łańcuchy cegiełek zwanych aminokwasami, a kolejność tych cegiełek decyduje o kształcie białka i o tym, co potrafi robić. ESM3 jest modelem językowym dla białek: tak jak model tekstowy uczy się ze słów, tak ten uczy się z sekwencji, trójwymiarowych kształtów i znanych funkcji miliardów naturalnych białek. Można mu podać niepełny opis białka, na przykład fragment kształtu albo pożądaną funkcję, a on uzupełni resztę. Firma EvolutionaryScale, działająca jako spółka pożytku publicznego, zbudowała model i sprawdziła go na białkach fluorescencyjnych, dzięki którym świecą meduzy i koralowce. Wybrane projekty wykonano w laboratorium, a jedno jasne białko zgadzało się z najbliższym znanym białkiem fluorescencyjnym w 58 procentach pozycji. Mniejsza wersja modelu, z 1,4 miliarda parametrów (tak nazywa się regulowane liczby, których model uczy się podczas treningu), została udostępniona otwarcie i może z niej korzystać każdy chętny.

Dlaczego to ważne

Białka fluorescencyjne to codzienne narzędzia laboratoryjne. Przyczepione do innego białka, pozwalają badaczom zobaczyć, dokąd ono wędruje wewnątrz żywej komórki, a za ich odkrycie i rozwój przyznano w 2008 roku Nagrodę Nobla z chemii. W przyrodzie występują tylko w kilku gałęziach drzewa życia, a większość znanych odmian odnaleziono, przeszukując naturę. Narzędzie sięgające daleko od wszystkich znanych białek mogłoby poszerzyć poszukiwania nowych narzędzi badawczych, leków i enzymów, a właśnie taki cel firma EvolutionaryScale podaje dla ESM3.

Jak to czytać

Zgodność sekwencji na poziomie 58 procent oznacza, że po zestawieniu nowego białka z najbliższym naturalnym białkiem fluorescencyjnym na 58 z każdych 100 pozycji w łańcuchu stoi ta sama cegiełka. Od najbliższego krewnego nowe białko różni się na 96 ze swoich 229 pozycji. Liczba 500 milionów lat to szacunek autorów: naturalne białka fluorescencyjne różniące się podobnie dzielą setki milionów lat ewolucji, więc taką odległość opisuje się jako równoważną temu przedziałowi czasu. Model zapisał sekwencję od razu, a przedział czasu jest sposobem wyrażenia odległości. Dla porównania, wcześniejsze poszukiwania w laboratorium i metodami uczenia maszynowego docierały do odmian różniących się najwyżej w 20 procentach pozycji. Według opisu firmy EvolutionaryScale eksperyment był niewielki: pierwsza runda 96 projektów i druga runda 96 projektów, zbudowana na najlepszym wyniku pierwszej.

Ograniczenia

Test laboratoryjny obejmuje jedną rodzinę białek, białka fluorescencyjne. W pierwszej rundzie najodleglejsze z białek, które zaświeciły, było około 50 razy ciemniejsze od naturalnych, a jego świecące centrum powstawało około tygodnia, podczas gdy naturalnym wystarcza mniej niż doba; kilka projektów o jasności zbliżonej do naturalnej dała dopiero druga runda. Inne przykłady z opisu, takie jak proponowany szkielet enzymu rozkładającego plastik, pozostają projektami komputerowymi. Liczba 500 milionów lat jest szacunkiem opartym na tym, jak szybko rozchodzą się naturalne białka fluorescencyjne. Otwarty model ma 1,4 miliarda parametrów, a większe modele tej rodziny są dostępne przez internetową usługę firmy.

Źródła