Au-delà du prix Nobel ? Pour la première fois dans le monde biologique, « ChatGPT » a synthétisé une nouvelle protéine à partir de zéro, et elle a été publiée dans la sous-revue Nature !

L’application de l’intelligence artificielle a considérablement accéléré la recherche sur l’ingénierie des protéines.

Récemment, une jeune startup à Berkeley, en Californie, a encore fait des progrès incroyables.

Les scientifiques ont utilisé Progen, un modèle de langage d'apprentissage profond en ingénierie protéique similaire à ChatGPT, pour réaliser pour la première fois la prédiction par l'IA de la synthèse des protéines.

Non seulement ces protéines sont complètement différentes de celles connues, la similarité la plus faible n'est que de 31,4%, mais elles sont aussi efficaces que les protéines naturelles.

Maintenant, ce travail a été officiellement publié dans la sous-revue Nature.

Adresse papier : https://www.nature.com/articles/s41587-022-01618-2

Cette expérience montre également que bien que le traitement du langage naturel soit destiné à la lecture et écriture Il a été développé pour les textes linguistiques, mais il permet également d'apprendre certains principes de base de la biologie.

Technologie comparable au prix Nobel

En réponse, les chercheurs ont déclaré que cette nouvelle technologie pourrait devenir plus puissante que l'évolution dirigée (la technologie de conception de protéines qui a remporté le prix Nobel).

"Cela revitalisera le domaine de l'ingénierie des protéines, vieux de 50 ans, en accélérant le développement de nouvelles protéines qui peuvent être utilisées pour presque tout, des produits thérapeutiques à la dégradation des plastiques." La société, appelée Profluent, a été fondée par un ancien responsable de la recherche Salesforce AI et a reçu 9 millions de dollars de financement de démarrage pour construire un laboratoire humide intégré et recruter des scientifiques et des biologistes en apprentissage automatique.

Dans le passé, il était très laborieux d'extraire les protéines dans la nature ou d'ajuster les protéines aux fonctions requises. L'objectif de Profulent est de rendre ce processus sans effort.

Ils l'ont fait. Ali Madani, fondateur et PDG de Profluent, a déclaré dans une interview que Profulent avait conçu plusieurs familles de protéines. Ces protéines fonctionnent comme des protéines exemplaires et sont donc des enzymes hautement actives.

Cette tâche est très difficile et est effectuée de manière zéro, ce qui signifie que plusieurs cycles d'optimisation ne sont pas effectués, voire qu'aucune donnée du laboratoire humide n'est fournie du tout.

La protéine finale conçue est une protéine hautement active qui prend généralement des centaines d'années pour évoluer.

ProGen basé sur un modèle de langageEn tant que type de réseau neuronal profond, le modèle de langage conditionnel peut non seulement générer du texte en langage naturel sémantiquement et grammaticalement correct, nouveau et diversifié, mais également utiliser des balises de contrôle de saisie. au style de coaching, aux thèmes et plus encore.

De même, les chercheurs ont développé le protagoniste actuel, ProGen, un modèle de langage protéique conditionnel avec 1,2 milliard de paramètres.

Plus précisément, ProGen basé sur l'architecture Transformer simule l'interaction des résidus via un mécanisme d'auto-attention et peut générer différentes séquences de protéines artificielles à travers les familles de protéines en fonction des étiquettes de contrôle d'entrée.

Générer des protéines artificielles à l'aide de modèles de langage conditionnel

Pour créer ce modèle, les chercheurs ont nourri les séquences d'acides aminés de 280 millions de protéines différentes et l'ont laissé « digérer » pendant plusieurs semaines.

Ensuite, ils ont affiné le modèle en utilisant 56 000 séquences de cinq familles de lysozymes et des informations sur ces protéines.

L'algorithme de Progen est similaire au modèle GPT3.5 derrière ChatGPT. Il apprend les règles d'ordre des acides aminés dans les protéines et leur relation avec la structure et la fonction des protéines.

Bientôt, le modèle a généré un million de séquences.

Sur la base du degré de similitude avec la séquence naturelle des protéines et du caractère naturel de la « syntaxe » et de la « sémantique » des acides aminés, les chercheurs en ont sélectionné 100 pour les tester.

Parmi eux, 66 ont produit des réactions chimiques similaires aux protéines naturelles qui détruisent les bactéries présentes dans les blancs d’œufs et la salive.

C’est-à-dire que ces nouvelles protéines générées par l’IA peuvent également tuer les bactéries.

Les protéines artificielles générées sont diverses et bien exprimées dans le système expérimental

En allant plus loin, les chercheurs ont sélectionné les cinq protéines avec les réactions les plus fortes et les ont ajoutées à des échantillons d'E. .coli.

Parmi eux, il existe deux enzymes artificielles qui peuvent détruire la paroi cellulaire des bactéries.

En comparant avec le lysozyme de blanc d'œuf (HEWL), on constate que leur activité est équivalente à la HEWL.

Par la suite, les chercheurs ont utilisé les rayons X pour l'imagerie.

Bien que la séquence d'acides aminés des enzymes artificielles soit jusqu'à 30 % différente de celle des protéines existantes, et que seulement 18 % soit la même entre les deux, leurs formes sont presque les mêmes que celles des protéines naturelles et leurs fonctions sont également bonnes. Comparable à cela.

Applicabilité de la modélisation du langage conditionnel à d'autres systèmes protéiques

De plus, pour les protéines naturelles hautement évoluées, il suffit peut-être d'une petite mutation pour qu'elles cessent de fonctionner.

Mais lors d'une autre série de tests, les chercheurs ont découvert que parmi les enzymes générées par l'IA, même si seulement 31,4 % des séquences étaient identiques aux protéines connues, elles présentaient toujours une activité comparable et des structures similaires.

Conception de protéines, entrant dans une nouvelle ère

Comme vous pouvez le constater, ProGen fonctionne de manière très similaire à ChatGPT.

ChatGPT peut passer des examens de MBA et du barreau et rédiger des articles universitaires en étudiant des données massives.

Et ProGen a appris à générer de nouvelles protéines en apprenant la syntaxe de la façon dont les acides aminés sont combinés dans les 280 millions de protéines existantes.

Dans l'interview, Madani a déclaré : "Tout comme ChatGPT apprend les langues humaines telles que l'anglais, nous apprenons le langage de la biologie et des protéines.

"Les performances des protéines conçues artificiellement sont." Les protéines affectées par les processus évolutifs sont bien meilleures", a déclaré le co-auteur James Fraser, professeur de bio-ingénierie et de sciences thérapeutiques à l'École de pharmacie de l'UCSF.

"Les modèles linguistiques apprennent des aspects de l'évolution, mais c'est différent du processus évolutif normal. Nous avons maintenant la possibilité d'ajuster la production de ces propriétés pour obtenir des effets spécifiques. Par exemple, donner à une enzyme une incroyable stabilité thermique, ou préférant les environnements acides, ou n'interagissant pas avec d'autres protéines 》

En 2020, Salesforce Research a développé ProGen. Il est basé sur une programmation en langage naturel et était à l’origine utilisé pour générer du texte en anglais.

D'après des travaux antérieurs, les chercheurs savent que les systèmes d'IA peuvent apprendre eux-mêmes la grammaire et le sens des mots, ainsi que d'autres règles de base qui rendent l'écriture bien organisée.

"Lorsque vous entraînez des modèles basés sur des séquences avec de grandes quantités de données, ils sont très puissants pour apprendre des structures et des règles", a déclaré le Dr Nikhil Naik, directeur de la recherche sur l'intelligence artificielle chez Salesforce Research et auteur principal de l'article. "Ils comprennent quels mots peuvent apparaître en même temps et comment les combiner. "

"Maintenant que nous avons prouvé la capacité de ProGen à générer de nouvelles protéines et que nous l'avons rendu public, tout le monde peut étudier sur notre base."

En tant que protéine, le lysozyme est très petit, avec jusqu'à environ 300 acides aminés.

Mais avec 20 acides aminés possibles, il existe 20^300 combinaisons possibles.

C'est plus que tous les êtres humains à travers les âges multipliés par le nombre de grains de sable sur la terre, multipliés par le nombre d'atomes dans l'univers.

Compte tenu des possibilités quasi infinies, il est vraiment remarquable que Progen ait pu concevoir des enzymes efficaces si facilement.

Le Dr Ali Madani, fondateur de Profluent Bio et ancien chercheur scientifique chez Salesforce Research, a déclaré : « La capacité de générer des protéines fonctionnelles à partir de zéro, hors des sentiers battus, montre que nous entrons dans une nouvelle ère de la conception des protéines. tenter de surmonter davantage de limitations et de défis.

L’un d’eux est qu’il s’appuie fortement sur les données.

«Nous avons exploré l'amélioration de la conception des séquences en ajoutant des informations basées sur la structure», a déclaré Naik. «Nous cherchons également à améliorer les modèles lorsque vous ne disposez pas de beaucoup de données sur une famille ou un domaine de protéines particulier. Capacités génératives. "

Il convient de noter que certaines startups tentent également des technologies similaires, telles que Cradle et Generate Biomedicines de l'incubateur biotechnologique Flagship Pioneering, mais ces études n'ont pas encore été évaluées par des pairs.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!