Самоуправляемая лаборатория: ИИ и автоматизированная биология объединяются для улучшения ферментов

Исследователи из Университета Иллинойса в Урбане-Шампейне, объединив искусственный интеллект с автоматизированной робототехникой и синтетической биологией, значительно улучшили производительность двух важных промышленных ферментов и создали удобный, быстрый процесс для улучшения многих других.

Под руководством Хуимина Чжао, профессора химической и биомолекулярной инженерии, команда сообщила о своих результатах в журнале Nature Communications.

Ферменты — это белки, выполняющие специфические каталитические функции, которые управляют многими биологическими процессами. Улучшение функции ферментов сложно, поскольку необходимо вводить множество синергетических мутаций, а возможное число вариантов в типичном ферменте больше, чем число атомов во Вселенной.

Группа Чжао ранее сообщала о модели ИИ для предсказания функции фермента на основе его последовательности. В новой работе исследователи делают следующий шаг: предсказывают изменения в известном белке, которые улучшат его функцию. Они используют метод ИИ, чтобы создать относительно небольшую библиотеку потенциально полезных комбинаций вариантов.

Для обучения и улучшения модели ИИ требуется много входных данных и обратной связи. Поэтому команда объединила свои модели ИИ с автоматизированными возможностями iBioFoundry — центра, посвященного быстрому и удобному конструированию и тестированию биологических систем, от ферментов до целых клеток.

Процесс выглядит следующим образом:

1. Инструмент ИИ анализирует наборы данных известных структур ферментов и предлагает изменения последовательности для улучшения желаемого фермента.
2. Автоматизированные машины для создания белков в iBioFoundry производят предложенные ферменты.
3. Ферменты быстро тестируются для характеристики их функций.
4. Данные этих тестов передаются в другую модель ИИ, которая использует информацию для улучшения следующего раунда предлагаемых дизайнов белков.

Это шаг к самоуправляемой лаборатории: лаборатории, которая сама проектирует белки, создает их, тестирует и разрабатывает следующую версию. Проектирование и обучение выполняет алгоритм ИИ, а сборка и тестирование — робототехника.

Используя этот метод, команда создала варианты двух ключевых промышленных ферментов со значительно улучшенными характеристиками:

• Один фермент, добавляемый в корм для животных для улучшения его питательной ценности, увеличил свою активность в 26 раз.
• Другой, катализатор, используемый в промышленном химическом синтезе, показал в 16 раз большую активность и в 90 раз большее предпочтение к субстрату, что означает гораздо меньшую вероятность взаимодействия с нецелевыми молекулами.

Это обобщенный подход, для которого нужна только белковая последовательность и анализ. Исследователи планируют применять его к как можно большему числу ферментов.

В дальнейшем команда планирует продолжать улучшать свои модели ИИ и модернизировать оборудование для еще более быстрого синтеза и тестирования с высокой пропускной способностью. Они также разработали пользовательский интерфейс, позволяющий запускать систему с помощью простого текстового запроса на английском языке, что делает инструмент доступным для экспериментаторов без навыков программирования. Их цель — предложить свой метод в качестве услуги другим исследователям для ускорения разработки лекарств и инноваций в энергетике и технологиях.