Новости

Алгоритмы искусственного интеллекта оказали огромное влияние на изучение структуры белков, например, AlphaFold компании DeepMind предсказал структуру 200 миллионов белков.     И вот недавно Дэвид Бейкер и его коллектив биохимиков из Университета Вашингтона продвинули искусственный интеллект в области изменения структуры белков еще на один шаг вперед. В публикации в журнале Nature от 22 февраля они рассказали о том, как они использовали ИИ для разработки индивидуальных функциональных белков, которые они могли бы воспроизводить и синтезировать в живых клетках, создавая новые возможности для белковой инженерии. Али Мадани, основатель и генеральный директор компании Profluent, которая использует другие технологии ИИ для проектирования белков, говорит, что это исследование "зашло далеко вперед" в проектировании белков, и отмечает, что сейчас мы наблюдаем "зарождение новой области".    Белки состоят из различных комбинаций аминокислот, соединенных в свернутые цепочки, что создает безграничное разнообразие трехмерных форм. Предсказать трехмерную структуру белка на основе одной лишь его последовательности - задача, непосильная для человеческого разума, поскольку сворачивание (фолдинг) белка зависит от множества факторов, таких как последовательность и длина аминокислот биомолекулы, ее взаимодействие с другими молекулами и сахара, добавленные на ее поверхность.    Вместо этого ученые десятилетиями определяли структуру белка с помощью экспериментальных методов, таких как рентгеновская кристаллография, которая позволяет рассмотреть структуру белка в атомных деталях путем дифракции рентгеновских лучей через кристаллизованный белок. Но такие методы дороги, требуют много времени и зависят от мастерства исполнения. Тем не менее, ученые, использующие эти методы, сумели определить тысячи белковых структур, создав огромное количество данных, которые затем можно использовать для обучения алгоритмов искусственного интеллекта определению структур других белков.    Компания DeepMind продемонстрировала, что машинное обучение может предсказывать структуру белка по его аминокислотной последовательности с помощью системы AlphaFold, а затем повысила ее точность, обучив AlphaFold на 170 000 белковых структурах. В тот же день, когда была опубликована работа AlphaFold, Бейкер и его коллеги выпустили независимую, свободно доступную альтернативу, которая предсказывает структуру белка с такой же точностью, как AlphaFold, известную как RoseTTAFold.    С тех пор Бейкер и его коллеги исследовали, может ли машинное обучение, используемое в обратном направлении, создать аминокислотную последовательность для воображаемого белка с промышленным или медицинским потенциалом. Белковая инженерия в основном опирается на эксперименты, в которых вносятся постепенные изменения в белки и изучаются их последствия, например, путем внесения случайных мутаций в соответствующий ген, экспрессирующий белок, и скрининга полученных белков на предмет желаемой адаптации. Бейкер считает, что с помощью ИИ "мы сможем создавать еще более совершенные конструкции" таких белков "быстрее, чем раньше".    Чтобы проверить свою стратегию создания белков, они обратились к группе светопродуцирующих ферментов, называемых люциферазами (люцифер в переводе с латинского означает "светоносец"). При связывании с небольшими молекулами, называемыми люциферинами, эти ферменты светятся в темноте и встречаются во многих организмах, включая светлячков и обитателей водных глубин океана.    В отличие от флуоресцентных белков, люциферазы не нуждаются в источнике возбуждающего света и могут применяться для глубокой визуализации внутри тканей животных. Однако в природе найдено очень мало люцифераз; большинство из них нестабильны и склонны связывать природные люциферины лучше, чем синтетические, созданные с благоприятными свойствами. Эти факторы препятствовали усилиям по использованию люцифераз в научных приложениях и созданию искусственных версий этих ферментов.    Работая с комбинацией систем искусственного интеллекта, включая AlphaFold, Protein MPNN и trRosetta, исследователи задались целью придумать аминокислотную последовательность для люциферазы, которая могла бы связывать синтетический люциферин и оставаться стабильной. Поскольку природные люциферазы не очень хорошо связываются с синтетическим люциферином, они использовали машинное обучение, чтобы предсказать, насколько хорошо 4 000 других белков, известных как белки, связывающие малые молекулы, подходят для сравнения.     Выделилась одна группа белков: суперсемейство ядерных транспортных факторов 2 (NTF2)-подобных белков. Алгоритм показал, что члены этого суперсемейства имеют общий карман, который может удерживать синтетический люциферин. Получив структуру, способную связываться с синтетическим люциферином, команда сосредоточилась на стабильности. К сожалению, NTF2-подобные белки содержат длинные петли аминокислот, которые в синтетическом гибридном белке могут быть склонны к неправильному сворачиванию. Однако эти петли не являются неотъемлемой частью активности люциферазы, поэтому исследователи использовали алгоритмы машинного обучения, чтобы заменить их другими, более стабильными комбинациями аминокислот.    В итоге сочетание методов искусственного интеллекта позволило исследователям создать 7 648 конструкций белков, которые не существуют в природе, но могут быть способны делать то, что нужно исследователям. Затем ученым пришлось сократить их число до нескольких лучших, определив, какие из них продуцируют свет в клетках, обработанных синтетическим люциферином. Исследователи ввели каждую из этих конструкций в бактерии E. coli и обнаружили, что только три (0,04 %) из них работают.    Мадани рассказывает, что разработка ферментов - невероятно сложная задача, поскольку для ее выполнения требуется предельная точность, и "любой успех очень впечатляет". В компании Profluent Мадани работает над ProGen, отдельным рабочим процессом ИИ для проектирования белков, который, по его словам, имеет "процент попадания выше 50%". Но, добавляет он, сравнивать эти подходы было бы все равно, что сравнивать яблоки и апельсины, поскольку они идеально подходят для создания разных типов белков.    Решив оптимизировать свой рабочий процесс, команда применила знания, полученные в результате первого опыта, для конструирования других люцифераз на основе синтетического люциферина другой формы и увеличила выход до 4% из всех 46 предполагаемых конструкций. Энди Хсиен-Вей Йех, исследователь в лаборатории Бейкера, говорит, что первый раунд помог понять, "какие геометрии дадут вам люциферазу", и это помогло сократить число последовательностей-кандидатов, которые алгоритм должен был рассмотреть. Теперь Бейкер и Йех создали компанию по производству диагностических биосенсоров под названием Monod Bio, которая лицензировала их синтетические люциферазы.    Проектирование белков еще не полностью автоматизировано. Бейкер говорит, что "еще есть возможности для совершенствования", так как для создания активного сайта фермента люциферазы все еще требовались некоторые изменения последовательности вручную. Однако он надеется, что однажды ИИ сможет синтезировать белки "прямиком из коробки". Он также отмечает, что реакцию фермента люциферазы относительно просто имитировать: "Нам предстоит работа, чтобы увидеть, насколько хорошо этот подход работает для более сложных химических реакций".    В дальнейшем Бейкер и его коллеги разрабатывают другую систему искусственного интеллекта под названием RFdiffusion для оптимизации проектирования белков и намерены использовать ее для изобретения синтетического белка для назального спрея, который блокирует вирусы гриппа от прикрепления к клеткам хозяина. Поскольку ожидается, что алгоритм будет генерировать очень стабильные белки, Бейкер надеется, что назальный спрей будет иметь длительный срок хранения и может регулярно использоваться для профилактики инфекций в течение всей зимы. Бейкер говорит, что помимо блокирования респираторных вирусов, в будущем алгоритм может быть использован для разработки новых биоматериалов, стабильных ферментов, разлагающих пластик, и белков, улавливающих солнечную энергию.

Хотя большинство экспертов утверждают, что птичий грипп не представляет непосредственной угрозы для человека, ведутся работы по созданию вакцин против H5N1 и других потенциальных пандемических вирусов.    Норки в Испании, тюлени в Шотландии, морские львы и дельфины в Южной Америке: несколько видов млекопитающих недавно были инфицированы H5N1, высокопатогенным штаммом птичьего гриппа. Птичий грипп - явление не новое; эпидемиологи изучают его уже несколько десятилетий. Однако обнаружение вируса у млекопитающих заставило многих обеспокоиться тем, что он может распространиться на людей и вызвать более масштабную вспышку заболевания.   Поскольку мир вступает в четвертый год глобальной пандемии, вызванной вирусом, который, скорее всего, произошел от животных, беспокойство по поводу того, что еще один вирус может разрушить нашу жизнь, вполне обоснованно. Вирус H5N1 уже заражал людей, хотя передача вируса от человека к человеку наблюдалась редко. И хотя ВОЗ сообщает, что смертность от птичьего гриппа среди людей составляет около 56%, многие эксперты считают, что она может быть гораздо ниже, если вирус станет более трансмиссивным.    Одна из причин смертности от птичьего гриппа заключается в том, что он поражает нижние дыхательные пути, что может привести к остановке дыхания. Если бы вирус мутировал для инфицирования верхних дыхательных путей и более легкого распространения, он, вероятно, вызывал бы более легкие заболевания. Однако даже вирус, вызывающий легкое или умеренное заболевание у многих людей, может иметь серьезные последствия, как мы видели на примере пандемии COVID. Поэтому ведутся работы по созданию вакцин для защиты от такой формы птичьего гриппа.   Птичий грипп уже перекидывался на людей - например, на прошлой неделе в Камбодже умерла девочка от вируса H5N1 (хотя это не тот штамм, которым болеют птицы по всему миру). "Каждый раз, когда мы видим, что возникает вспышка, люди говорят: "Вот оно, сейчас начнется", - говорит Майкл Остерхольм, директор Центра исследований и политики в области инфекционных заболеваний Университета Миннесоты. Но он подчеркивает, что H5N1, скорее всего, не представляет непосредственной угрозы для человека.   Другие специалисты согласны с этим. "Я внимательно слежу за этим как эксперт, но как член общества, как родитель и человек, который [недавно] пережил пандемию COVID-19, я не беспокоюсь об этом прямо сейчас", - делится Кейтлин Риверс, эпидемиолог из Центра безопасности здоровья Джона Хопкинса. "Сейчас это проблема здоровья животных, которая имеет теоретический риск стать проблемой здоровья человека".   Вирусы птичьего гриппа заражают птиц, прикрепляясь к рецепторам в их дыхательных путях. Для того чтобы вирус стал человеческим и начал циркулировать от человека к человеку среди населения, он должен быть способен прикрепляться к человеческой версии этого рецептора, чего он еще не умеет делать. "Быть птицей сейчас очень опасно", - говорит Эндрю Павиа, руководитель отделения детских инфекционных заболеваний в Университете Юты. "Но на сегодняшний день риск для людей остается очень низким. Нас беспокоит то, что будет происходить по мере распространения вируса".   К сожалению, практически невозможно предсказать, когда может произойти этот скачок. "Никто из нас не знает, когда возникнет следующая пандемия гриппа. Это может произойти завтра [или] через несколько лет, и мы не знаем, какой из вирусов станет следующим пандемическим вирусом", - утверждает Остерхольм. "С самого начала необходимо сказать, что существует неопределенность, за одним исключением: новая пандемия обязательно будет".   США в некоторой степени подготовлены к борьбе с птичьим гриппом: имеются запасы вакцин против гриппа для штамма H5N1, приготовленные на основе куриных яиц. Яйца - один из самых распространенных способов изготовления вакцины против гриппа. Для ее создания производители вводят инактивированный или ослабленный вирус в оплодотворенное куриное яйцо, инкубируют яйцо в течение нескольких дней, пока вирус размножается, а затем собирают вирус для использования в вакцине.    У США есть секретные запасы куриных яиц в неустановленных местах по всей территории на случай, если понадобится быстро изготовить вакцину на основе яиц - например, во время пандемии гриппа. Может показаться подозрительным, что эта стратегия вакцинации зависит от животного, которое очень восприимчиво к данному гриппу. Но несколько экспертов подтвердили, что на птицефабриках обеспечивается высокий уровень биобезопасности, чтобы избежать заражения птичьим гриппом.   Существуют альтернативы вакцинам на основе яиц. С начала 2010-х годов Министерство здравоохранения и социальных служб США сотрудничает с CSL Seqirus, одним из крупнейших производителей вакцин против гриппа, в разработке вакцин, культивируемых в клеточных культурах. Вакцина AUDENZ, предназначенная специально против подтипа H5N1, одобрена FDA. И хотя невозможно определить, какой вирус вызовет следующую пандемию, CSL Seqirus располагает библиотекой вирусов, которые потенциально могут заразить человека. И компания постоянно ищет вирусы-кандидаты в вакцины, которые она может адаптировать к конкретному патогену.   "Мы используем данные [по] одному из птичьих штаммов для создания макета, - поясняет Марк Лейси, который руководит группой CSL Seqirus по обеспечению готовности к пандемиям и реагированию на них. Члены группы в основном идентифицируют определенные вирусы, используют их для создания вакцин и проводят некоторые ранние исследования безопасности, чтобы в случае эволюции штамма птичьего гриппа в настоящий пандемический штамм, передающийся между людьми, они были готовы к работе с адекватной вакциной".    Лейси говорит, что его компания сможет поставить правительству США 150 миллионов доз в течение первых шести месяцев после объявления пандемии, но он считает, что потенциал расширения может быть выше, особенно если несколько производителей смогут помочь в производстве. Поскольку в мире проживает восемь миллиардов человек, для производства достаточного количества вакцины потребуется расширение масштабов и широкое сотрудничество между странами.    Также ведутся работы по применению технологии мессенджерной РНК (мРНК) - такой, которая используется для некоторых вакцин COVID - к вакцинам против гриппа. По словам микробиолога Деборы Фуллер из Университета Вашингтона, эти усилия варьируются от разработки универсальной вакцины против гриппа до создания "мультивалентной" вакцины, которая направлена только на несколько подтипов или версий вируса (как обычная сезонная вакцина против гриппа). Одним из преимуществ технологии мРНК является скорость производства. А в связи с пандемией COVID сейчас существует более развитая инфраструктура для массового производства доз. "РНК-вакцины могут быть разработаны чрезвычайно быстро - вам нужна только генетическая последовательность нового варианта, который появляется, и в течение нескольких недель [вы] можете получить вакцину, уже испытанную на животных моделях", - объясняет Фуллер.   Скотт Хенсли, профессор микробиологии в Университете Пенсильвании, также исследует мРНК-вакцины против гриппа. Он входит в состав исследовательской группы, разрабатывающей вакцину против гриппа с мРНК 20 подтипов, которая включает штамм H5N1 (хотя и не тот, который в настоящее время циркулирует среди птиц). Недавно группа опубликовала свои результаты в журнале Science. В настоящее время лаборатория Хенсли разрабатывает одноштаммовую вакцину, адаптированную к текущему штамму птичьего гриппа, и уже испытывает ее на лабораторных животных. Он подчеркивает, что, как и в случае с вакцинами COVID, его вакцины предназначены для предотвращения серьезных заболеваний и летальных исходов, а не инфекции.   Но даже 20-подтипная вакцина, как ожидается, обеспечит определенную защиту от нового штамма. "Когда мы разрабатывали [эту] вакцину, идея заключалась в том, чтобы создать такую вакцину, которая могла бы вызвать определенный уровень иммунной памяти против каждого варианта", - говорит Хенсли. "Нашей целью не было предсказать, какой подтип гриппа вызовет следующую пандемию или какой штамм станет ее причиной. Скорее, вакцина [должна была вызвать] определенный уровень иммунной памяти против каждого варианта, чтобы ограничить заболеваемость и смертность от новых пандемических штаммов".   Вакцина - это только часть готовности к пандемии - необходимо также эффективное лечение. Как говорит Павиа, исследователи не начинают работу с нуля, пытаясь создать нечто подобное противовирусному препарату Паксловид, который был выпущен на рынок почти два года назад. Уже существуют противовирусные препараты против гриппа, такие как Тамифлю, которые будут иметь большое значение для снижения смертности во время пандемии гриппа. Павиа также надеется, что удастся быстро адаптировать диагностические тесты для выявления штаммов пандемического гриппа.   "У нас есть лучшие методы и лучшие знания о гриппе, чем о коронавирусах. Во многих отношениях мы были бы на шаг впереди", - отмечает Павиа. "Но что меня беспокоит, так это способность нашей политической системы реагировать. Нам нужно продолжать [повышать] осведомленность и продолжать усилия по подготовке. А если ситуация начнет ухудшаться, нам нужны согласованные, неполитизированные усилия, чтобы действовать быстро и эффективно".