Dirbtinis intelektas projektuoja proteazes, kurios specifinai pjauna tikslinius baltymus, galimai padėdamas ligų tyrimams

Vaizdas: Ars Technica · Šaltinis

Vašingtono universiteto mokslininkai naudoja dirbtinio intelekto įrankius naujoms proteazėms kurti, galinčioms skaidyti stabilias peptidines jungtis tam tikruose baltymuose, įskaitant su neurologinėmis ligomis susijusius, žengiant žingsnį link tikslaus baltymų redagavimo.

Baltymai yra amino rūgščių grandinės, sujungtos peptidinėmis jungtimis, kurios yra ypač stabilios įprastomis sąlygomis – jų pusinės gyvavimo trukmė vertinama šimtais metų. Nepaisant šios stabilumo, organizmai turi specializuotus fermentus, vadinamus proteazėmis, kurie efektyviai katalizuoja šių jungčių skaidymą, palengvindami baltymų degradaciją ir atsinaujinimą, kas yra gyvybiškai svarbu. Iki šiol buvo sudėtinga kurti proteazes su tikslia specifiškumu ir katalizine aktyvumu dėl sudėtingos amino rūgščių išdėstymo jų aktyviose vietose.

Nobelio premijos laureato Davido Bakerio vadovaujama tyrimų grupė Vašingtono universitete pasiekė reikšmingų laimėjimų naudodama dirbtinio intelekto baltymų projektavimo įrankius naujoms proteazėms kurti. Jų metodas prasideda nuo dviejų natūraliai egzistuojančių proteazių – cinko ir cisteino proteazių – katalitinių branduolių, naudodamas DI perkurti baltymo karkasą aplink šias aktyvias vietas. Tai leidžia kurti fermentus su pritaikytu specifiškumu tam tikroms baltymų sekvencijoms skaidyti.

Projektavimo srautas naudoja RFdiffusion2 programinę įrangą fermentų karkasams kurti, kurios tiksliai pozicionuoja reikalingas katalitines amino rūgštis. Vėliau ProteinMPNN paskirsto amino rūgštis palei šį karkasą užtikrindamas suderinamumą su pageidaujama struktūra, katalitine vieta ir substrato surišimu. Mokslininkai sukūrė ir įvertino keliasdešimt dizainų, naudodami AlphaFold3 patikrinti, ar jų naujos struktūros nesutampa su žinomais baltymais esamuose duomenų bazių.

Eksperimentinis patvirtinimas parodė, kad dauguma DI sukurtų proteazių turėjo katalizinį aktyvumą, nors iš pradžių paprastai žemesnį už natūralias. Tačiau sisteminės amino rūgščių pakeistos netoli aktyvių vietų davė variantų, kurių aktyvumas dramatiškai išaugo – peptidinių jungčių skaidymas pagreitėjo iki 10^9 karto cisteino proteazėms ir 10^10 karto cinko proteazėms, išlaikant tikslinį specifiškumą.

Svarbu tai, kad tyrėjai pritaikė savo projektavimo sistemą proteazėms, taikomoms baltymams, susijusiems su neurodegeneracinėmis ligomis kaip Alzheimerio ir frontotemporalinė demencija. Naujos suprojektuotos fermentai efektyviai skaidė šiuos ligų susijusius baltymus ląstelinėse sistemose, rodydami galimas terapines kryptis, nukreiptas į patogeninius baltymus.

Nepaisant viltingų rezultatų, klinikinėms taikymo sritims lieka iššūkių, tokių kaip proteazių pristatymas į specifinius audinius ar ląsteles ir imuninių atsakų vengimas. Be to, ląstelės vidiniai taikiniai apsunkina gydymo kūrimą, greičiausiai reikės genų pristatymo metodų proteazių išraiškai paveiktose ląstelėse skatinti.

Darbas taip pat atskleidžia, kad dabartiniai DI baltymų projektavimo įrankiai gerai modeliuoja struktūrinius apribojimus, bet turi ribotumų katalizinės veiklos lygmens nustatyme, palyginti su evoliuciniais natūraliais fermentais. Įrankių tobulinimas, leidžiantis tiesiogiai optimizuoti aktyvumą kartu su struktūra, galėtų pažengti būsimo fermentų projektavimo srityje. Vis dėlto šis tyrimas yra reikšmingas žingsnis racionalioje, DI pagrįstoje fermentų inžinerijoje, turintis plačias biotechnologijos ir medicinos pasekmes.