Alphaproteo génère de nouvelles protéines pour la biologie et la recherche sur la santé

De nouveaux conceptions de systèmes d’IA conçoivent des protéines qui se lient avec succès aux molécules cibles, avec un potentiel de progression de la conception des médicaments, de la compréhension des maladies et plus encore.

Chaque processus biologique dans le corps, de la croissance cellulaire aux réponses immunitaires, dépend des interactions entre les molécules appelées protéines. Comme une clé d’une serrure, une protéine peut se lier à une autre, aidant à réguler les processus cellulaires critiques. Outils de prédiction de la structure des protéines comme Alphafold nous ont déjà donné un aperçu énorme de la façon dont les protéines interagissent entre elles pour remplir leurs fonctions, mais ces outils ne peuvent pas créer de nouvelles protéines pour manipuler directement ces interactions.

Les scientifiques, cependant, peuvent créer de nouvelles protéines qui se lient avec succès aux molécules cibles. Ces liants peuvent aider les chercheurs à accélérer les progrès à travers un large éventail de recherches, notamment le développement de médicaments, l’imagerie cellulaire et tissulaire, la compréhension et le diagnostic des maladies – même la résistance aux cultures aux ravageurs. Alors que Approches récentes d’apprentissage automatique Pour la conception des protéines, le processus est toujours laborieux et nécessite des tests expérimentaux approfondis.

Aujourd’hui, nous présentons Alphaproteonotre premier système d’IA pour concevoir de nouveaux liants protéiques à haute résistance à haute résistance pour servir de blocs de construction pour la recherche biologique et en santé. Cette technologie a le potentiel d’accélérer notre compréhension des processus biologiques et d’aider la découverte de nouveaux médicaments, le développement de biocapteurs et plus encore.

Alphaproteo peut générer de nouveaux liants protéiques pour diverses protéines cibles, notamment VEGF-Aqui est associé au cancer et aux complications du diabète. C’est la première fois qu’un outil d’IA est en mesure de concevoir un liant protéique réussi pour VEGF-A.

Alphaproteo atteint également des taux de réussite expérimentaux plus élevés et 3 à 300 fois de meilleures affinités de liaison que les meilleures méthodes existantes sur sept protéines cibles que nous avons testées.

Apprendre les façons complexes que les protéines se lient les unes aux autres

Les liants protéiques qui peuvent se lier étroitement à une protéine cible sont difficiles à concevoir. Les méthodes traditionnelles sont à forte intensité de temps, nécessitant plusieurs cycles de travaux de laboratoire approfondis. Une fois les liants créés, ils subissent des tours expérimentaux supplémentaires pour optimiser l’affinité de liaison, de sorte qu’ils se lient assez étroitement pour être utiles.

Formé sur de grandes quantités de données protéiques de la Banque de données protéiques (PDB) et plus de 100 millions de structures prédites d’Alphafold, Alphaproteo a appris les myriades de façons de se lier les uns aux autres. Étant donné la structure d’une molécule cible et un ensemble d’emplacements de liaison préférés sur cette molécule, l’alphaprote génère une protéine candidate qui se lie à la cible à ces emplacements.

Démontrer le succès sur d’importantes cibles de liaison aux protéines

Pour tester l’alphaproteo, nous avons conçu des liants pour diverses protéines cibles, y compris deux protéines virales impliquées dans l’infection, BHRF1 et SRAS-CoV-2 Domaine de liaison aux récepteurs de la protéine Spike, SC2RBD et cinq protéines impliquées dans le cancer, l’inflammation et les maladies auto-immunes, Il-7r, PD-L1, Trka, IL-17A et VEGF-A.

Notre système a des taux de réussite de liaison hautement compétitifs et des forces de liaison les meilleures. Pour sept cibles, Alphaproteo a généré des protéines candidates in-silico qui se sont fortement liées à leurs protéines prévues lorsqu’ils sont testés expérimentalement.

Pour une cible particulière, la protéine virale BHRF188% de nos molécules candidates se sont liées avec succès lorsqu’ils sont testés dans le Google Deepmind Wet Lab. Sur la base des cibles testées, les liants alphaproteo se lient également 10 fois plus fortement, en moyenne, que les meilleures méthodes de conception existantes.

Pour une autre cible, Trkanos liants sont encore plus forts que les meilleurs liants conçus à cette cible qui ont traversé Plusieurs cycles d’optimisation expérimentale.

Valider nos résultats

Au-delà silico validation et test alphaproteo dans notre laboratoire humide, nous nous sommes engagés Peter Cherepanov, Katie Bentley et David LV Bauer’s groupes de recherche du Francis Crick Institute pour valider nos liants protéiques. À travers différentes expériences, ils ont plongé plus profondément dans certains de nos liants SC2RBD et VEGF-A plus forts. Les groupes de recherche ont confirmé que les interactions de liaison de ces liants étaient en effet similaires à ce que Alphaproteo avait prédit. De plus, les groupes ont confirmé que les liants avaient une fonction biologique utile. Par exemple, certains de nos liants SC2RBD ont empêché le SARS-COV-2 et certaines de ses variantes d’infecter les cellules.

Les performances d’Alphaproteo indiquent qu’il pourrait réduire considérablement le temps nécessaire pour les expériences initiales impliquant des liants protéiques pour une large gamme d’applications. Cependant, nous savons que notre système d’IA a des limites, car il n’a pas pu concevoir des classeurs réussis contre une 8e cible, Tnfune protéine associée aux maladies auto-immunes comme la polyarthrite rhumatoïde. Nous avons sélectionné TNF ɑ pour défier robustement Alphaproteo, car l’analyse informatique a montré qu’il serait extrêmement difficile de concevoir des liants. Nous continuerons d’améliorer et d’élargir les capacités d’Alphaproteo dans le but de s’attaquer éventuellement à des cibles aussi difficiles.

La réalisation d’une forte liaison n’est généralement que la première étape de la conception de protéines qui pourraient être utiles pour les applications pratiques, et il existe de nombreux autres obstacles de bio-ingénierie à surmonter dans le processus de recherche et développement.

Vers le développement responsable de la conception des protéines

La conception des protéines est une technologie à évolution rapide qui détient beaucoup de potentiel pour faire progresser la science dans tout, de la compréhension des facteurs qui provoquent des maladies, de l’accélération du développement de tests de diagnostic pour les épidémies de virus, du soutien des processus de fabrication plus durables et même du nettoyage des contaminants de l’environnement.

Pour tenir compte des risques potentiels en biosécurité, en s’appuyant sur notre Approche de longue date de la responsabilité et de la sécurité, Nous travaillons avec des experts externes de premier plan pour éclairer notre approche progressive pour partager ce travail et alimenter les efforts de la communauté pour développer les meilleures pratiques, y compris le Nti ‘S (Initiative de menace nucléaire) Nouveau Forum Bio AI.

À l’avenir, nous travaillerons avec la communauté scientifique pour tirer parti de l’alphaprote sur les problèmes de biologie percutants et comprendre ses limites. Nous avons également exploré ses applications de conception de médicaments dans les laboratoires isomorphes et sommes ravis de ce que l’avenir nous réserve.

Dans le même temps, nous continuons d’améliorer le taux de réussite et l’affinité des algorithmes d’Alphaproteo, élargissant la gamme de problèmes de conception auxquels il peut s’attaquer et travailler avec des chercheurs en apprentissage automatique, en biologie structurelle, en biochimie et à d’autres disciplines pour développer une offre de conception de protéines responsable et plus complète à la communauté.