Марк Зукърбърг представи изкуствен интелект за нови лекарства

Научноизследователският център Biohub, създаден от изпълнителният директор на Meta Марк Зукърбърг и съпругата му д-р Присила Чан, представи изкуствен интелект (ИИ) за нови лекарства. Благодарение на ИИ е създаден модел на света в сферата на протеиновата биология, чиято задача е да ускори създаването на нови медикаменти, прогнозирането и откриването на нови терапии. Моделът позволява картографирането на протеинови модели за много кратко време. Освен това предсказва какви са структурите им и проектира нови молекули, които са в състояние да се свържат с тях и да повлияят директно на функцията им.

Световният модел на протеиновата биология

Протеините са основният молекулярен механизъм на тялото, който изпълнява различни роли – от изграждането на структури до генерирането на енергия. Проектирането на нови, стабилни и ефективни в тялото протеини продължава да бъде истинско научно предизвикателство.

„Biohub предоставя на изследователите по целия свят отворен софтуер за прогнозиране, проектиране и биологични открития на протеинови структури, изграден около три модела с отворен код – ESMC, ESMFold2 и ESM Atlas”, съобщават от организацията с нестопанска цел за биомедицински изследвания.

Световният модел на протеинова биология комбинира тези три модела на изкуствен интелект, задачата на които е да предвиждат протеиновите структури, да проектират функционалните свързващи вещества и да картографират протеиновата вселена в мащаб.

Моделът се състои от три различни инструмента, като всеки един от тях обработва различно парче от протеиновия пъзел.

• ESM - Хипотезата е, че обучението на езиков модел върху последователностите на целия живот ще накара ESM да приеме като свои фундаменталните свойства, които управляват протеиновата биология, тоест, правилата, които са в основата на това как протеините се сгъват, как си взаимодействат и функционират. В основата му е ESMC - модерен езиков модел, който представлява протеините и е обучен върху приблизително 2,8 милиарда последователности, извлечени от целия живот.
• ESMFold2 е отворен, модерен модел за прогнозиране на структури, който превежда знанията за моделите в еволюцията, кодирани в ESMC, в прецизни 3D модели на протеини и техните взаимодействия с атомна резолюция.

В експериментите, които са описани и вече са публикувани, изследователите използват ESMFold2, за да проектират протеиново свързващи вещества срещу пет цели, които имат основно значение за рака и имунологията. Търсенето е завършено за дни, а не за месеци или години. Така докато ESM разбира речник, то ESMFold2 определя 3D формите. Това е важно, защото формата на протеина определя функцията му. ESMFold2 е водещ модел, когато става дума за сгъване на протеини при прогнозиране на взаимодействията между два протеина и антитяло-антиген.

От Biohub припомнят, че терапиите, базирани на антитела, са крайъгълен камък на съвременната медицина и представляват приблизително една четвърт от всички нови одобрени от FDA лекарства. Обхващат ракови и автоимунни заболявания и състояния, за които преди време има ограничен възможности за лечение. А намирането на жизненоспособен кандидат за терапия зависи от идентифицирането на молекули, които са свързани здраво и по специфичен начин с целта на заболяването. Разработването на предклиничен кандидат за свързващо вещество обикновено отнема от три до четири години.

ESMFold2, който предсказва структурните конфигурации, които могат да доведат до успешен кандидат, превръща първоначалното търсене в изчисления и създават за дни дизайни, които да бъдат тествани.

Изследователите от Biohub използват модела и проектират протеиново свързващи вещества срещу пет цели в Центъра за изследване на рака и имунологията. Това са EGFR PDGFR, които участват в растежа на тумора, PD-L1 и CTLA-4 – имунни контролни точки, които раковите клетки използват, за да избегнат откриването, и CD45, който е регулатор на имунната клетъчна сигнализация. Процентът на успеваемост на проектите е от 36% до 88% за компактни мини свързващи вещества и 15% - 29% за форматите, получени от антитела с потвърдено свързване в лабораторни експерименти. При PD-L1 проектираните свързващи вещества възстановяват Т-клетъчната сигнализация в лабораторни тестове като блокират пътя, към който са насочени одобрените терапии с контролни точки.

ESMFold2 променя точността и скоростта на ранното откриване на терапевтични свързващи вещества като трансформира първоначалното търсене от емпиричен скрининг в ръководен дизайн и това отнема часове.

• ESM Atlas представлява огромен ресурс. Съдържа 6,8 милиарда протеинови последователности и 1,1 милиард прогнозирани структури, което го прави най-голямото приложение на изкуствен интелект в протеиновата биология до момента. Той организира протеините по взаимовръзки, които моделът е научил и разкрива връзки, които съществуващите бази от данни не могат да уловят, включително еволюционни връзки между ензими за редактиране на гени. За изследователите, които се концентрират върху заболявания, чиято биология е слабо разбрана, това е добра новина. Учените определят структурите на почти 200 000 протеина от последните десетилетия, а ESM Atlas умножава тази база знания с коефициент от приблизително 5000.

Biohub, изкуственият интелект и бъдещето

Световната научна общност има свободен достъп на платформата Biohub и до трите модела.
Както подчертава д-р Присила Чан, която е съосновател на благотворителния научноизследователски институт: „Biohub е изграден върху убеждението, че отворената наука ускорява откритията. Предоставянето на тези инструменти безплатно означава,че изследователите навсякъде могат да се движат по-бързо към персонализирани лечения, които работят за отделните пациенти, защото са насочени към специфичната биология, която води до тяхното заболяване.“

Д-р Чан подчертава, че възможностите на модела са проверени, а много от неговите прогнози при случаите на рак и имунни заболявания са потвърдени.

Резултатите са много обещаващи.

Ръководителят на научния отдел в Biohub Алекс Райвс обяснява, че проектирането на взаимодействията между протеините е фундаментален проблем в биохимията и има решаващо значение за проектирането на лекарства.

„Това, което показахме, е, че тези модели са научили толкова висококачествен световен модел на биологията, че можете да проектирате протеинови интерфейси, да ги внесете в лабораторията и те да започнат да работят, точно както е прогнозирано“, казва Алекс Райвс.

Ученият допълва, че световният модел на протеиновата биология е обучен върху еволюционния запис на живота, върху милиарди протеинови последователности, които обхващат целия спектър на живота и дори бактериите дълбоко в почвата и организми от екстремни среди, както и над 200 000 вида протеини, открити в човешкото тяло. Целта на обучението на този модел е да предскаже аминокиселините, които еволюцията избира.

„Тъй като еволюцията е склонна да запазва протеини, които са годни за целта, моделите, запазени в продължение на милиарди години, имплицитно кодират физическите правила, управляващи функцията на протеините. Нашата работа и обучението на ИИ очерта световен модел, който прие тези правила така, че успява да създаде функционални протеини от нулата“, казва още Алекс Райвс.

Той и екипът на Biohub вярват, че мисията им е не само да търсят лечения, но и да предотвратяват болести, а пътят към осъществяването на тази е цел е разбирането на биологията на най-дълбоко ниво и предоставянето на инструментите затова на всеки учен в света.