Naukowcy z Hiszpanii użyli generatywnej AI do stworzenia białek do edycji genów. Są wydajniejsze od naturalnych i otwierają drogę do nowych terapii na raka.
W skrócie:
- Zespół z Integra Therapeutics, UPF i CRG wykorzystał sztuczną inteligencję do zaprojektowania syntetycznych białek, które precyzyjniej i wydajniej edytują ludzki genom.
- Dzięki analizie ponad 31 000 genomów odkryto 13 000 nieznanych wcześniej sekwencji białek PiggyBac, które są kluczowe w nowoczesnych terapiach genowych.
- Model AI, wytrenowany na tych danych, stworzył zupełnie nowe, “hiperaktywne” białka. Odkrycie opublikowane w Nature Biotechnology może zrewolucjonizować leczenie nowotworów.
W edycji genów od lat szukamy świętego Graala – narzędzia tak precyzyjnego, że potrafiłoby wyciąć wadliwy fragment DNA i wkleić na jego miejsce poprawny. Bezpiecznie, skutecznie i bez nieprzewidzianych skutków ubocznych. Do tej pory polegaliśmy na tym, co dała nam natura, udoskonalając odkryte przez nią mechanizmy. Teraz jednak wchodzimy na zupełnie nowy poziom. Zespół badaczy z Hiszpanii pokazał, że sztuczna inteligencja potrafi nie tylko naśladować naturę, ale tworzyć od zera białka doskonalsze od niej. To nie jest kolejna optymistyczna prognoza. To fakt, który właśnie opisano na łamach prestiżowego Nature Biotechnology.
Jak przejrzeć 31 tysięcy genomów w poszukiwaniu idealnego narzędzia?
Zanim do gry weszła generatywna AI, naukowcy wykonali tytaniczną pracę przygotowawczą. Zespół z firmy Integra Therapeutics, we współpracy z Uniwersytetem Pompeu Fabra (UPF) i Centrum Regulacji Genomicznej (CRG), postanowił znaleźć lepsze wersje tak zwanych transpozaz – białek, które potrafią “kopiować i wklejać” fragmenty DNA. Najbardziej obiecującym systemem tego typu jest PiggyBac, wykorzystywany do wprowadzania genów terapeutycznych do komórek pacjenta. Problem w tym, że jego znane warianty były dalekie od ideału.
Badacze zastosowali więc tak zwany computational bioprospecting, czyli cyfrowe poszukiwania w biologicznych bazach danych. Przeskanowali ponad 31 000 genomów eukariotycznych i trafili na żyłę złota – odkryli ponad 13 000 nieznanych dotąd sekwencji PiggyBac. To tak, jakby przez dekady szukać narzędzi w małej skrzynce, by nagle odkryć, że za ścianą jest gigantyczny magazyn. Po testach w ludzkich komórkach hodowlanych wyłoniono dziesięć aktywnych transpozaz. Jedna z nich wykazała szczególnie wysoką aktywność w ludzkich limfocytach T, czyli komórkach kluczowych dla nowoczesnych terapii przeciwnowotworowych, takich jak CAR‑T.
Czym jest “ChatGPT dla białek”?
Mając tak ogromną bibliotekę naturalnych białek, naukowcy mogli pójść o krok dalej. Zamiast jedynie wybierać najlepsze z nich, postanowili nauczyć sztuczną inteligencję, jak tworzyć własne. Użyli do tego celu modelu językowego dla białek (pLLM) – formy generatywnej AI, która działa na podobnej zasadzie co modele generujące tekst czy obrazy. “Jak moc poznawcza ChatGPT może być użyta do napisania wiersza, tak my użyliśmy modeli językowych dla białek do generowania nowych elementów, które są zgodne z fizycznymi i chemicznymi zasadami genów” – wyjaśnia dr Marc Güell, dyrektor naukowy w Integra Therapeutics.
Model został wytrenowany na 13 000 odkrytych wcześniej sekwencji. Nauczył się “gramatyki” białek – zrozumiał, jakie kombinacje aminokwasów tworzą stabilne i funkcjonalne struktury. “Używając tej gramatyki, są w stanie mówić tym językiem perfekcyjnie, generując zupełnie nowe białka, które zachowują strukturalne i funkcjonalne znaczenie” – dodaje dr Noelia Ferruz, która kieruje Grupą Sztucznej Inteligencji do Projektowania Białek w CRG. Efekt? AI wygenerowała całkowicie nowe, syntetyczne sekwencje białek o znacznie zwiększonej aktywności. To już nie jest ulepszanie natury. To jej przeprojektowywanie.
Od natury do syntezy. Dlaczego to rewolucja?
To podejście zmienia zasady gry. Dotychczasowe terapie genowe opierały się na narzędziach, które miały swoje naturalne ograniczenia. Teraz naukowcy mogą projektować białka “na zamówienie”, optymalizując je pod kątem konkretnego zadania terapeutycznego. To oznacza potencjalnie bezpieczniejsze i skuteczniejsze leczenie raka oraz chorób rzadkich, gdzie precyzja jest absolutnie kluczowa. Sztucznie zaprojektowane warianty okazały się kompatybilne z zaawansowanymi platformami edycji genów, takimi jak FiCAT, co otwiera drogę do ich szybkiego wdrożenia.
Dr Avencia Sánchez-Mejías, CEO i współzałożycielka Integra Therapeutics, nie kryje entuzjazmu. “Publikacja w ‘Nature Biotechnology’ otwiera drogę do zrewolucjonizowania dziedziny edycji genów i zaawansowanych terapii oraz cementuje pozycję Integra Therapeutics w czołówce firm zajmujących się terapiami genowymi” – mówi. To coś więcej niż tylko sukces naukowy. To dowód, że synergia między głęboką wiedzą biologiczną a potęgą obliczeniową sztucznej inteligencji może prowadzić do przełomów, o których jeszcze kilka lat temu mogliśmy tylko marzyć.