人工智能(AI)再次超越了人類,這一次,是在改造蛋白質(zhì)方面——
人類科學(xué)家可能耗費 6-12 個月才能完成的任務(wù),AI 只需要幾周時間,且無需人類干預(yù)、反饋或主觀判斷。
這是一個能對蛋白質(zhì)進行工程改造的、由 AI 驅(qū)動的全自動機器人——SAMPLE,由來自威斯康星大學(xué)麥迪遜分校(University of Wisconsin–Madison)的研究團隊提出,是對無需人類干預(yù)的蛋白質(zhì)設(shè)計和構(gòu)建的一次概念驗證。
相關(guān)研究論文以“Self-driving laboratories to autonomously navigate the protein fitness landscape”為題,已發(fā)表在 Nature 子刊 Nature Chemical Engineering 的創(chuàng)刊號上。
研究團隊表示,SAMPLE 自動化并加速了科學(xué)發(fā)現(xiàn)過程,對蛋白質(zhì)工程和合成生物學(xué)領(lǐng)域具有重要意義。
AI智能體,改造出了耐熱性更好的酶
蛋白質(zhì)是地球上一切生命的物質(zhì)基礎(chǔ),參與細胞活動的每一個進程。
蛋白質(zhì)設(shè)計,能夠創(chuàng)造出具有特定功能和特性的新蛋白質(zhì),已廣泛應(yīng)用于生物技術(shù)、化學(xué)和醫(yī)學(xué)等領(lǐng)域,比如:
開發(fā)新型藥物和療法,特別是在癌癥、心血管疾病、遺傳病治療等領(lǐng)域,也有助于疫苗的研發(fā)和個性化醫(yī)療;
創(chuàng)建用于生物制造的酶和其他生物催化劑,將原料高效地轉(zhuǎn)換為有用的產(chǎn)品,如生物燃料、藥物或食品成分;
提高農(nóng)作物的抗病性、抗旱性和營養(yǎng)價值,進而提高農(nóng)業(yè)生產(chǎn)力和食品安全;
降解環(huán)境中的污染物,如重金屬和有機污染物;
構(gòu)建新型生物材料,如用于醫(yī)學(xué)工程的生物兼容材料,或具有獨特物理特性的高性能材料;
幫助科學(xué)家深入理解蛋白質(zhì)的結(jié)構(gòu)和功能關(guān)系,推動生物化學(xué)、分子生物學(xué)等領(lǐng)域的發(fā)展。盡管蛋白質(zhì)工程(Protein engineering)的應(yīng)用潛力巨大,但創(chuàng)造一種具有改進或新功能的新型蛋白質(zhì),仍然是一個重復(fù)且費力的過程,人類科學(xué)家有時甚至需要耗費多年時間。
在生物系統(tǒng)的研究過程中,科學(xué)家通過假設(shè)生成、設(shè)計實驗驗證假設(shè)、在實驗室進行實驗并解讀數(shù)據(jù)來加深對系統(tǒng)的理解,然后再反復(fù)迭代這一過程,從而逐步揭示生物機制并設(shè)計出性能和行為更優(yōu)的新系統(tǒng)。
如今,AI 被用于自動化完成各行各業(yè)的工作,但由于生物性狀和實驗的復(fù)雜性,開發(fā)一個不休息、自動對蛋白質(zhì)進行工程改造并能從產(chǎn)生的數(shù)據(jù)中學(xué)習(xí)的全自動系統(tǒng),依然是一個難題。
據(jù)介紹,SAMPLE 由一個 AI 智能體驅(qū)動,可以學(xué)習(xí)蛋白質(zhì)序列與功能之間的關(guān)系,設(shè)計新的蛋白質(zhì),并將這些蛋白質(zhì)發(fā)送到一個完全自動化的機器人系統(tǒng)中,該系統(tǒng)實驗性地測試所設(shè)計的蛋白質(zhì),并提供反饋,從而提高 AI 智能體對系統(tǒng)的理解。
圖|SAMPLE,一個完全自主的蛋白質(zhì)工程系統(tǒng)。
為了測試該系統(tǒng),研究人員使用 4 個 SAMPLE 智能體分別改造出了耐熱性更好的糖苷水解酶。盡管搜索行為不同,每個 SAMPLE 智能體最終都能發(fā)現(xiàn)熱穩(wěn)定性更好的酶,比最初的起始序列至少穩(wěn)定 12°C。
圖|4 個 SAMPLE 智能體自主發(fā)現(xiàn)熱穩(wěn)定性更好的酶。
一個通用的蛋白質(zhì)工程平臺
研究團隊表示,SAMPLE 是一個通用的蛋白質(zhì)工程平臺,可廣泛應(yīng)用于生物工程和合成生物學(xué)領(lǐng)域。
盡管他們只展示了該系統(tǒng)在熱穩(wěn)定性工程中的表現(xiàn),但同樣的方法也可用于改造酶的活性、特異性,甚至創(chuàng)造自然界中未曾有過的化學(xué)反應(yīng)。
與定向進化一樣,該系統(tǒng)不需要事先了解蛋白質(zhì)結(jié)構(gòu)或機理,而是采用一種無偏見的方法,研究序列變化如何影響功能。
然而,研究團隊也指出,為新的蛋白質(zhì)功能建立 SAMPLE 的最大障礙是所需的生化檢測。這項工作中使用的機器人系統(tǒng)只能使用微孔板閱讀器,因此需要基于比色或熒光的檢測方法。
原則上,更先進的分析儀器,如液相色譜-質(zhì)譜聯(lián)用儀或核磁共振光譜儀,可以集成到自動化系統(tǒng)中,從而擴大可設(shè)計的蛋白質(zhì)功能類型。
另外,獲取資源延遲、機器人故障和系統(tǒng)宕機,也可能會影響該系統(tǒng)研發(fā)蛋白質(zhì)的總耗時。
目前,研究團隊在 Strateos 云實驗室上實施了完整的實驗流程,創(chuàng)造了一個經(jīng)濟高效、易于使用的系統(tǒng),可供其他合成生物學(xué)研究人員采納。
未來,諸如 SAMPLE 這樣的自主實驗室將徹底改變生物分子工程和合成生物學(xué)領(lǐng)域,使效率低下、耗時費力的蛋白質(zhì)工程活動自動化,使得科研人員更加專注于重要的下游應(yīng)用。
隨著深度學(xué)習(xí)、機器人自動化和高通量儀器的不斷發(fā)展,用于科學(xué)發(fā)現(xiàn)的智能自動化系統(tǒng)將變得越來越強大。
論文鏈接:
https://www.nature.com/articles/s44286-023-00002-4