AlphaProteo: जीवविज्ञान और स्वास्थ्य रिसर्च के लिए नए प्रोटीन बनाने वाला AI

 (deepmind.google)
1 पॉइंट द्वारा GN⁺ 2024-09-06 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • प्रोटीन इंटरैक्शन कोशिका वृद्धि और immune response जैसी मुख्य जैविक प्रक्रियाओं को नियंत्रित करते हैं, और AlphaProteo इन इंटरैक्शन्स को manipulate करने वाले नए binders के design को automate करने की Google DeepMind की पहली AI system है
  • target protein structure और desired binding location डालने पर, यह Protein Data Bank और AlphaFold द्वारा predict किए गए 10 करोड़ से अधिक structures से सीखे गए patterns के आधार पर candidate proteins generate करता है
  • 7 target proteins पर experiments में, मौजूदा best methods की तुलना में success rate और binding affinity अधिक रही, और कुछ targets पर यह मौजूदा optimized binders से भी ज्यादा मजबूत नतीजे दिखाता है
  • BHRF1 में candidates के 88% ने lab tests में bind किया, और VEGF-A से सफलतापूर्वक bind करने वाला protein AI tool द्वारा design किए जाने का यह पहला case बताया गया है
  • शुरुआती protein binder experiments का समय घटाने की संभावना बड़ी है, लेकिन TNFɑ failure जैसे difficult targets अभी बाकी हैं, इसलिए practical applications तक पहुंचने के लिए additional validation और bioengineering improvements की जरूरत है

AlphaProteo जिन protein binders के design को target करता है

  • जैविक प्रक्रियाएं, कोशिका वृद्धि से लेकर immune response तक, proteins के बीच interactions पर काफी निर्भर करती हैं
  • AlphaFold जैसे protein structure prediction tools ने protein interactions की समझ बढ़ाई है, लेकिन वे उन interactions को सीधे manipulate करने वाले नए proteins नहीं बनाते
  • AlphaProteo Google DeepMind का AI system है, जो target molecules से मजबूती से bind करने वाले नए protein binders design करता है
  • ऐसे binders कई research क्षेत्रों में उपयोगी हो सकते हैं
    • drug discovery
    • cell और tissue imaging
    • बीमारी को समझना और diagnosis
    • pests के खिलाफ crop resistance

Training data और generation method

  • AlphaProteo ने Protein Data Bank के बड़े पैमाने के protein data और AlphaFold द्वारा predict किए गए 10 करोड़ से अधिक structures से training ली है
  • input target molecule की structure और उस पर preferred binding locations का set होता है
  • output candidate protein होता है, जिसे specified location पर bind करने के लिए design किया गया है
  • मौजूदा strong protein binders design करने में काफी समय लगता है, और कई rounds के lab work तथा binding affinity optimization की जरूरत होती है

7 target proteins पर experimental results

  • AlphaProteo ने infection, cancer, inflammation और autoimmune diseases से जुड़े विभिन्न target proteins के लिए binders design किए
    • infection में शामिल viral proteins: BHRF1, SARS-CoV-2 spike protein receptor-binding domain SC2RBD
    • cancer, inflammation और autoimmune diseases से जुड़े proteins: IL-7Rɑ, PD-L1, TrkA, IL-17A, VEGF-A
  • 7 targets के लिए in silico generate किए गए candidate proteins ने experimental tests में intended proteins से मजबूती से bind किया
  • कुल tests के आधार पर, मौजूदा best design methods की तुलना में experimental success rate ज्यादा था, और binding affinity में 3~300 गुना सुधार हुआ
  • BHRF1 में candidate molecules के 88% ने Google DeepMind Wet Lab tests में सफलतापूर्वक bind किया
  • test किए गए targets के आधार पर, AlphaProteo binders ने मौजूदा best design methods की तुलना में औसतन 10 गुना अधिक मजबूती से bind किया
  • TrkA target में, AlphaProteo binders कई rounds की experimental optimization से गुजरे मौजूदा designed binders से अधिक मजबूत थे
  • VEGF-A से सफलतापूर्वक bind करने वाला protein किसी AI tool द्वारा design किए जाने का यह पहला मामला है

External validation और biological function

  • Google DeepMind ने in silico validation और internal wet lab tests के अलावा Francis Crick Institute के research groups के साथ binders को validate किया
  • validation में Peter Cherepanov, Katie Bentley, David LV Bauer के research groups शामिल हुए
  • उन्होंने SC2RBD और VEGF-A binders में से कुछ strong candidates पर अधिक गहराई से experiments किए
  • binding interactions AlphaProteo की predictions जैसी ही confirm हुईं
  • कुछ SC2RBD binders ने SARS-CoV-2 और इसके कुछ variants को cells को infect करने से रोकते हुए दिखाया

TNFɑ failure और बाकी challenges

  • AlphaProteo 8वें target TNFɑ के लिए successful binder design नहीं कर सका
  • TNFɑ rheumatoid arthritis जैसी autoimmune diseases से जुड़ा protein है
  • computational analysis के अनुसार TNFɑ को binder design के लिए बहुत difficult target माना गया, और AlphaProteo को कठिन test देने के लिए चुना गया
  • मजबूत binding हासिल करना practical applications में उपयोगी proteins design करने की प्रक्रिया का अक्सर पहला step होता है
  • research और development process में अभी भी bioengineering hurdles बाकी हैं

Responsible development और future use

  • protein design में बीमारी के कारणों को समझने, viral outbreaks के दौरान diagnostic tests के development को तेज करने, sustainable manufacturing processes को support करने और environmental pollutants को clean up करने तक कई scientific areas में potential है
  • Google DeepMind biosecurity risks को ध्यान में रखते हुए external experts के साथ सहयोग कर रहा है और phased sharing approach तैयार कर रहा है
  • related work NTI के नए AI Bio Forum सहित community best practices develop करने की कोशिशों से भी जुड़ा है
  • आगे scientific community के साथ AlphaProteo को important biological problems पर लागू करने और इसकी limits समझने का काम करने की योजना है
  • Isomorphic Labs में AlphaProteo के drug design applications भी explore किए जा रहे हैं
  • Google DeepMind AlphaProteo algorithms की success rate और affinity को सुधारना, संभाले जा सकने वाले design problems का दायरा बढ़ाना, और machine learning, structural biology और biochemistry researchers के साथ अधिक comprehensive protein design tools develop करना चाहता है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.