Nieuw AI-systeem ontwerpt eiwitten atoom voor atoom, en ze werken
Een generatief kunstmatig intelligentiesysteem dat eiwitten en nucleïnezuren atoom voor atoom ontwerpt, heeft nu zijn volledige blauwdruk gepubliceerd, en de eiwitten die het vanaf nul heeft uitgevonden, hebben de beoogde chemie uitgevoerd in echte laboratoriumreacties.
Het systeem, RFdiffusion3 of RFD3 genaamd, is gebouwd door een internationaal team met onder meer de Universiteit van Washington in de Verenigde Staten, de Universiteit van Oxford in Groot-Brittannië en het chipbedrijf Nvidia. De details verschenen in het tijdschrift Science, met berichten in de Chinese technische pers op 19 oktober. Het team omvat David Baker, de hoogleraar aan de Universiteit van Washington die de Nobelprijs voor Scheikunde 2024 deelde voor werk aan computationeel eiwitontwerp.
De vooruitgang draait om resolutie. Eerdere hulpmiddelen voor eiwitontwerp werkten met grotere bouwstenen en rangschikten stukken eiwitstructuur zoals een ontwerper meubels in een kamer zou verplaatsen. RFD3 modelleert in plaats daarvan afzonderlijke atomen, waardoor het elke binding en zijketen met veel fijnere controle kan plaatsen. Volgens de berichten kan het eiwitstructuren ongeveer een orde van grootte sneller genereren dan de vorige generatie van het systeem.
Die snelheid en precisie zijn belangrijk omdat eiwitten de moleculaire machines zijn die het meeste werk in levende cellen verrichten. Als onderzoekers nieuwe kunnen uitvinden op aanvraag, kunnen ze zich richten op problemen die natuurlijke eiwitten nooit hebben geëvolueerd om op te lossen: nieuwe katalysatoren voor industriële chemie, sensoren, materialen en potentiële geneesmiddelen.
De meest opvallende bewering is dat dit niet alleen een computeroefening is. Eiwitten die RFD3 vers ontwierp, werden gesynthetiseerd en getest, en ze voerden de functies uit die de ontwerpers beoogden in daadwerkelijke chemische reacties. Die stap, van een voorspelde structuur op een scherm naar een werkend molecuul in een reageerbuis, is waar de meeste computationele ontwerppogingen historisch gezien struikelen.
Het systeem strekt zich ook uit buiten eiwitten naar nucleïnezuren zoals DNA en RNA, waardoor het scala aan moleculaire hulpmiddelen die wetenschappers kunnen proberen te bouwen wordt verbreed. Het team publiceerde zijn gedetailleerde ontwerpschema zodat andere groepen de methode kunnen onderzoeken en erop voortbouwen, een praktijk die gemeengoed is geworden in het snel evoluerende veld van AI-gedreven biologie.
Het werk past bij een bredere verschuiving in de levenswetenschappen, waar machine learning zich verplaatst van het analyseren van gegevens naar het voorstellen van volledig nieuwe moleculen. Eiwitontwerp is een van de duidelijkste demonstraties geworden dat generatieve modellen objecten kunnen produceren die niet in de natuur voorkomen en die zich toch gedragen zoals bedoeld onder reële omstandigheden.
Voor wereldwijde lezers ligt de betekenis minder bij een enkel molecuul dan bij het hulpmiddel zelf. Een systeem dat een eiwit op atomair niveau kan schetsen, en die schets in het lab stand kan laten houden, verkort het pad van idee naar experiment. De volgende test zal zijn of laboratoria over de hele wereld het kunnen gebruiken om eiwitten te ontwerpen die praktische problemen in de geneeskunde en industrie oplossen, in plaats van alleen elegante demonstraties.