Jak przewidzieć strukturę białka? – #naukowe newsy

Wczoraj szachy, dziś białka, jutro…?

Kolejne sukcesy sztucznej inteligencji. Najpierw komputery zaczęły regularnie ogrywać arcymistrzów w szachach, a następnie nauczyły się grać w go. Teraz wreszcie, po wielu latach prób, algorytm komputerowy nie tylko wygrał konkurs na najdokładniejsze teoretyczne zwijanie białek (CASP), ale wręcz wyprodukował wyniki porównywalne z wynikami eksperymentalnymi. Ba, w “dogrywce” dał radę przewidywać strukturę białka, dla którego wyniku eksperymentalnego jeszcze nie było. Jego przewidywanie było tak trafne, że dzięki niemu z surowych danych (nad którymi naukowcy wcześniej głowili się przez 10 lat) strukturę eksperymentalną uzyskano w pół godziny. Ale o co dokładnie chodzi i dlaczego to jest ważne? Pozwól, że wyjaśnię.

Do czego służą białka?

Białka to cząsteczki składające się z aminokwasów połączonych w szereg – jeden za drugim. Pełnią w organizmach wiele istotnych funkcji. Od prostego budulca, zapewniającego właściwy kształt różnych struktur, przez przyspieszanie reakcji chemicznych (o tym już niedługo na naszym blogu!), aż po ruch czy komunikację pomiędzy komórkami. Żeby je pełnić skutecznie, potrzebują mieć konkretną strukturę trójwymiarową. Luźno merdająca nitka nie będzie przecież skutecznie transportowała jonów przez nieprzepuszczalną błonę. Jeśli z tej nitki utkamy kawałek rury i nim tę błonę przeszyjemy na wylot, to już coś da radę przez nią przeniknąć.

Żeby dowiedzieć się, jak dokładnie białko pracuje (albo naprawić to, które pracuje źle), musimy znać jego strukturę przestrzenną. Innymi słowy – dopiero znajomość trójwymiarowej struktury białek daje nam możliwość projektowania leków, które będą na te białka działać. Ale jak poznać tę trójwymiarową strukturę białek?

Poznawanie struktury białka

Można przeprowadzić eksperyment. Jest kilka metod, które potrafią przeanalizować białko i powiedzieć nam, jaki jest jego kształt. Są to metody bazujące na krystalografii, mikroskopii elektronowej czy rezonansie magnetycznym¹Po chemicznemu nazywa się to NMR – jądrowy rezonans magnetyczny. Po medycznemu, wykorzystane do obrazowania – MRI, obrazowanie rezonansem magnetycznym – głównie po to, żeby nie straszyć pacjentów słowem “jądrowy”. NMR nie ma nic wspólnego z promieniotwórczością, nazywa się tak, jak się nazywa, bo bada jądra atomów.. Te metody wymagają posiadania dość dużych ilości białek, często o wysokiej czystości. Często pojawiają się dodatkowe ograniczenia. Na przykład w metodach bazujących na krystalografii z białek trzeba wyhodować kryształy. Nie zawsze jest to takie proste. Nawet jeśli uda się spełnić wszystkie warunki, analiza danych potrafi być czasochłonna i problematyczna.

Dlatego też od lat starano się w teorii przewidzieć strukturę trójwymiarowych białek na podstawie sekwencji ich kolejnych bloków budulcowych. Co ciekawe, to kolejna dziedzina, w której przez długi czas intuicja człowieka biła na głowę komputery – zapoznajcie się na przykład z grą FoldIt²Środek ciężkości ostatnio przesunął się na inne dziedziny, ale projekt nadal jest rozwijany. Komputery z dużymi białkami nie radziły sobie wcale. Do niedawna najwyższe wyniki osiągane przez algorytmy w stustopniowej skali podobieństwa przewidywań do rzeczywistości oscylowały w okolicach 60 (90 uznaje się za wynik wystarczająco zbliżony do faktycznej struktury).

Sukces DeepMind

I oto w tym roku algorytm AlphaFold, opracowany przez grupę DeepMind, osiągnął średni wynik 92.4. Poprawa od poprzedniej edycji konkursu była tak wielka, że w pierwszej chwili organizatorzy posądzili DeepMind o oszustwo. Algorytm dostał więc dodatkowe zadanie. Miał przewidzieć sekwencję białka, którego strukturę próbowano określić z danych eksperymentalnych przez 10 lat. I z tym zadaniem, jak pisałem we wstępie, AlphaFold poradził sobie śpiewająco. A zdaniem autorów wciąż jest jeszcze miejsce na poprawę. Trzymajmy kciuki, bo informacja o tym, jak wygląda struktura białek, może przyczynić się do dużo lepszego zrozumienia mechanizmów działania życia. A co za tym idzie, do szybkiego rozwoju medycyny i innych pokrewnych nauk.

Żródła:

https://science.sciencemag.org/content/370/6521/1144

https://moalquraishi.wordpress.com/2018/12/09/alphafold-casp13-what-just-happened/

Zainteresowało Cię to, co czytasz? Chcesz wiedzieć więcej? Śledź nas na Facebooku, i – pozwól, że wyjaśnię!