Wetenschap
Onderzoekers creëren een nieuwe AI-pijplijn voor het identificeren van moleculaire interacties
Begrijpen hoe eiwitten met elkaar interageren is cruciaal voor het ontwikkelen van nieuwe behandelingen en het begrijpen van ziekten. Dankzij de vooruitgang op computergebied heeft een team van onderzoekers onder leiding van universitair docent scheikunde Alberto Perez een algoritme ontwikkeld om deze moleculaire interacties te identificeren.
Het onderzoeksteam van Perez bestond uit twee afgestudeerde studenten van UF, Arup Mondal en Bhumika Singh, en een handvol onderzoekers van Rutgers University en Rensselaer Polytechnic Institute. Het team publiceerde hun bevindingen in Angewandte Chemie International Edition .
Deze innovatieve tool, genaamd AF-CBA Pipeline, biedt ongeëvenaarde nauwkeurigheid en snelheid bij het lokaliseren van de sterkste peptidebinders voor een specifiek eiwit. Het doet dit door AI te gebruiken om moleculaire interacties te simuleren, waarbij duizenden kandidaat-moleculen worden doorzocht om het molecuul te identificeren dat het beste interageert met het betreffende eiwit.
Dankzij de AI-gestuurde aanpak kan de pijplijn deze acties uitvoeren in een fractie van de tijd die mensen of traditionele, op natuurkunde gebaseerde benaderingen nodig zouden hebben om dezelfde taak te volbrengen.
'Zie het als een supermarkt,' legde Perez uit. "Als je het best mogelijke fruit wilt kopen, moet je maten en aspecten vergelijken. Er zijn natuurlijk te veel fruit om ze allemaal te proberen, dus je vergelijkt er een paar voordat je een selectie maakt. Deze AI-methode kan echter niet alleen probeer ze allemaal, maar kan ook betrouwbaar de beste uitkiezen."
Doorgaans zijn de eiwitten waarin we geïnteresseerd zijn, degenen die de meeste schade aan ons lichaam veroorzaken als ze zich misdragen. Door te ontdekken welke moleculen interageren met deze problematische eiwitten, opent de pijplijn mogelijkheden voor gerichte therapieën om aandoeningen zoals ontstekingen, ontregeling van het immuunsysteem en kanker te bestrijden.
"Het kennen van de structuur van het sterkste peptidebindmiddel helpt ons op zijn beurt bij het rationeel ontwerpen van nieuwe geneesmiddelen," zei Perez.
Het baanbrekende karakter van de pijplijn wordt versterkt door de basis ervan op reeds bestaande technologie:een programma genaamd AlphaFold. AlphaFold is ontwikkeld door Google Deepmind en gebruikt deep learning om eiwitstructuren te voorspellen. Deze afhankelijkheid van bekende technologie zal een zegen zijn voor de toegankelijkheid van de pijplijn voor onderzoekers en zal bijdragen aan de toekomstige adoptie ervan.
In de toekomst willen Perez en zijn team hun pijplijn uitbreiden om verdere biologische inzichten te verwerven en ziekteverwekkers te remmen. Ze hebben twee virussen in het vizier:het muizenleukemievirus en het Kaposi-sarcoomvirus. Beide virussen kunnen ernstige gezondheidsproblemen veroorzaken, vooral tumoren, en interageren met tot nu toe onbekende eiwitten.
"We willen nieuwe bibliotheken van peptiden ontwerpen", zei Perez. "AF-CBA zal ons in staat stellen de ontworpen peptiden te identificeren die sterker binden dan de virale peptiden."