3d struktura proteinů, zdroj: Wikipedia, licence obrázku public domain
3d struktura proteinů, zdroj: Wikipedia, licence obrázku public domain

Umělá inteligence porazila lidské odborníky při předpovědi chování proteinů

Konkrétní sekvence aminokyselin sice určuje vlastnosti výsledné bílkoviny, ale rozhodně ne způsobem, který by byl na první pohled nějak zvlášť zřejmý. Následně se protein skládá do složitých struktur se sekundární i terciální konformací a z toho vyplývající funkcí. Ze samotného pořadí aminokyselin těžko poznat, zda výsledek bude fungovat jako hemoglobin nebo jako kolagen. Navíc některé proteiny se pak mohou sestavovat i spolu s dalšími látkami nebo navzájem do ještě složitějších komplexů.
Lidský odborník samozřejmě prací v oboru získá určitou zkušenost, respektive intuici, která mu umožní něco o chování proteinu odhadnout i ze samotné sekvence. Totéž lze naučit i systémy umělé inteligence. Nová studie porovnává právě prediktivní schopnosti lidského experta a programu. Jako lidský odborník se v souboji zúčastnil Vikas Nanda z Rutgersovy univerzity, který se speciálně proteiny zabývá přes 20 let, dále vědci z Argonne National Laboratory v Illinois a další specialisté. Umělá inteligence celkově triumfovala, byť její výsledky byly lepší jen mírně. Strojové učení má tedy v této oblasti obrovský potenciál, protože tyto systémy se mohou dále podstatně rychleji vylepšovat.
Hlavní motivací pro tento výzkum není analýza proteinů známých, ale návrh nových podle zadání – tj. jaká sekvence by po sbalení do příslušné 3D struktury měla požadované vlastnosti (účinné léčivo, katalyzátor určité reakce apod.). Co se pak týče ještě složitějších „superstruktur“ z více proteinů, ty se uplatňují např. při neurodegenerativních chorobách (priony, amyloidové plaky při Alzheimerově chorobě), některé viry z nich mají své obaly (kapsidy) atd.
V experimentu dostali V. Nanda a jeho pět kolegů seznam proteinů a měli předpovědět, které z nich se pravděpodobně samy složí právě do takových superstruktur. Vědci takto vybrali 11 proteinů, počítačový program 9; v obou skupinách bylo správně 6 odpovědí. Lidé měli údajně tendenci upřednostňovat některé aminokyseliny (třeba na základě toho, že vědí, jak jsou hydrofilní/hydrofobní nebo kyselé/zásadité), program se dokázal trefit u proteinů, kde by to odborníci nečekali.

Rohit Batra et al, Machine learning overcomes human bias in the discovery of self-assembling peptides, Nature Chemistry (2022). DOI: 10.1038/s41557-022-01055-3
Zdroj: Rutgers University / Phys.org a další

Antihmota v kosmickém záření znovu otevírá otázku temné hmoty v podobě části WIMP

Částice WIMP (Weakly Interacting Massive Particles) představují jednoho z kandidátů na temnou hmotu. Podle nové …

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *