Штучний інтелект створив нові послідовності для націлювання на мітохондрії

Дослідники з Інституту геномної біології імені Карла Р. Воуза здійснили прорив у розробці нових інструментів для вивчення та модифікації мітохондрій — важливих клітинних органел. Використовуючи генеративний штучний інтелект, вони створили нові послідовності для націлювання на мітохондрії, що відкриває нові можливості для фундаментальних досліджень, метаболічної інженерії та терапії захворювань.

Мітохондрії відіграють критично важливу роль у функціонуванні клітин, виступаючи головними енергетичними станціями. Подібно до того, як кожен орган у людському тілі виконує специфічні функції, клітини містять різні компартменти — органели, що забезпечують загальне функціонування клітини. Кожна органела має свої унікальні характеристики та середовище для виконання конкретних завдань.

«Дослідники прагнуть вивчати біологію мітохондрій, що неможливо ефективно робити без використання послідовностей націлювання», — пояснює Хумін Чжао, керівник дослідження та завідувач кафедри хімічної та біомолекулярної інженерії Університету Іллінойсу в Урбана-Шампейн. «Але наразі ми обмежені доступністю цих мітохондріальних сигнальних послідовностей».

Для підтримки клітинної організації та процесів існують складні механізми, що забезпечують доставку білкових вантажів у потрібне місце. Замість використання адреси та марки для відправлення цих «посилок» по клітині, білки позначаються для доставки до конкретної органели за допомогою унікальних амінокислотних сигнальних послідовностей.

Природні мітохондріальні сигнальні послідовності (МСП) мають довжину від 10 до 120 амінокислот, у середньому близько 35. На сьогодні ідентифіковано та використовується лише кілька МСП, а відсутність передбачуваних закономірностей у їхніх послідовностях ускладнює розробку нових штучних варіантів.

«Існує лише кілька охарактеризованих МСП, і люди використовують одні й ті ж послідовності знову і знову», — зазначає Аашутош Буб, перший автор публікації та колишній докторант у групі Чжао. «Одна з проблем полягає в тому, що для різних білків-пасажирів потрібна різна оптимальна послідовність націлювання. По-друге, часте використання однакових послідовностей, особливо в метаболічній інженерії, може призвести до гомологічної рекомбінації та генетичної нестабільності. Тому ідеально було б мати під рукою бібліотеку різноманітних МСП для тестування та використання».

Складність полягає в тому, що здатність МСП націлюватися на мітохондрії визначається їхніми хімічними та структурними характеристиками у тривимірному просторі, а не двовимірною послідовністю амінокислот. Генеративний штучний інтелект здатний вирішити цю проблему, знаходячи складні закономірності в навчальних даних — у цьому випадку, природних МСП — які важко розпізнати та пов'язати людині.

Використовуючи систему глибокого навчання без учителя під назвою варіаційний автокодувальник, дослідницька група визначила ключові особливості МСП, включаючи позитивний заряд, амфіфільність і тенденцію до формування α-спіралі. Потім вони розробили мільйон МСП за допомогою штучного інтелекту та експериментально перевірили здатність до мітохондріального націлювання у 41 з них. Використовуючи конфокальну мікроскопію для валідаційних досліджень, вони досягли успішності від 50% до 100% у дріжджах, рослинних клітинах та клітинах ссавців.

Для подальшої демонстрації корисності створених штучним інтелектом МСП дослідники застосували сигнальні послідовності як для метаболічної інженерії, так і для доставки білків, що може бути корисним для терапевтичних цілей. Вони також показали, як штучний інтелект може допомогти зрозуміти еволюцію послідовностей подвійного націлювання для мітохондрій і хлоропластів, підкреслюючи широту наукових питань, які можна вивчати за допомогою цієї технології.

«Характеристика сигнальних послідовностей у лабораторії зайняла у нас багато часу, але ми хотіли підкреслити їх застосування як з точки зору метаболічної інженерії, так і терапії», — зазначив Буб. «Цей проект охопив значну частину моєї докторської дисертації, спонукаючи мене розширити свій досвід за межі лабораторії. Він зміцнив мою здатність критично мислити та розробляти ретельне наукове дослідження».

«Штучний інтелект зараз надзвичайно актуальний, і люди дуже зацікавлені в потенційних застосуваннях ШІ, особливо в науковій сфері», — підсумував Чжао. «Цей проект чітко демонструє, що генеративний ШІ є корисним інструментом для синтетичної біології та біотехнології».