AlphaProteo: Uma Nova Abordagem para Ligação de Proteínas
A AlphaProteo usa aprendizado de máquina pra criar proteínas que se ligam a outras proteínas, tanto pra pesquisa quanto pra medicina.
Vinicius Zambaldi, David La, Alexander E. Chu, Harshnira Patani, Amy E. Danson, Tristan O. C. Kwan, Thomas Frerix, Rosalia G. Schneider, David Saxton, Ashok Thillaisundaram, Zachary Wu, Isabel Moraes, Oskar Lange, Eliseo Papa, Gabriella Stanton, Victor Martin, Sukhdeep Singh, Lai H. Wong, Russ Bates, Simon A. Kohl, Josh Abramson, Andrew W. Senior, Yilmaz Alguel, Mary Y. Wu, Irene M. Aspalter, Katie Bentley, David L. V. Bauer, Peter Cherepanov, Demis Hassabis, Pushmeet Kohli, Rob Fergus, Jue Wang
― 5 min ler
Índice
Nos últimos anos, a ciência tem se esforçado para criar novas proteínas que consigam se ligar a outras proteínas com uma pegada firme. Essas proteínas têm várias utilidades na medicina e na pesquisa. Os pesquisadores já fizeram progresso, mas ainda acham complicado criar proteínas altamente eficazes de forma rápida, sem passar por muitos testes e erros.
Esse artigo apresenta um novo sistema chamado AlphaProteo, que usa aprendizado de máquina para ajudar a desenhar proteínas que conseguem se ligar firmemente a alvos específicos. Com o AlphaProteo, os pesquisadores conseguiram criar proteínas que se ligam melhor do que os métodos anteriores, facilitando e tornando o trabalho deles mais eficiente.
O que são Proteínas Ligadoras?
As proteínas ligadoras são super importantes para várias funções no nosso corpo. Elas ajudam na comunicação entre as células e também podem ser usadas para tratar doenças. Exemplos incluem anticorpos e proteínas de ligação menores. Os cientistas normalmente fazem essas proteínas através de processos como imunização ou evolução em laboratório, mas esses métodos podem demorar e nem sempre funcionam.
Criar proteínas do zero usando programas de computador permite que os cientistas foquem em partes específicas de outras proteínas, tornando os designs menores e mais fáceis de lidar do que anticorpos tradicionais. Os métodos tradicionais costumam envolver várias etapas, enquanto as proteínas geradas por computador podem ser mais simples.
Como Funciona o AlphaProteo
O AlphaProteo tem duas partes principais. Uma é um modelo que gera designs com base em estruturas de proteínas existentes, enquanto a segunda parte verifica se esses designs têm chances de funcionar na prática.
O sistema pode tirar uma foto da proteína alvo e sugerir uma nova proteína de ligação que poderia se encaixar e conectar. Ao gerar várias proteínas candidatas, os pesquisadores conseguem encontrar um número menor que funcione bem, sem precisar testar todas as opções no laboratório.
Desempenho do AlphaProteo
Os pesquisadores testaram o AlphaProteo em várias proteínas alvo e descobriram que uma quantidade significativa dos designs gerados resultou em proteínas de ligação bem-sucedidas. Essa taxa de sucesso foi bem mais alta do que o que foi alcançado com os métodos de design anteriores.
Os achados mostram que o AlphaProteo pode criar proteínas que podem ser usadas diretamente na pesquisa após apenas uma rodada de testes. Isso é uma ferramenta poderosa para cientistas que precisam de proteínas eficazes rapidinho.
Como as Proteínas Foram Testadas
Para confirmar a eficácia das proteínas desenhadas com o AlphaProteo, os pesquisadores realizaram experimentos com diferentes alvos. Eles analisaram proteínas de vírus e células humanas que são importantes para várias funções biológicas.
Em um teste, descobriram que as proteínas desenhadas contra um alvo viral eram capazes de bloquear o vírus de infectar células. Outro teste mostrou que proteínas que visavam um fator de crescimento em células humanas reduziram efetivamente certas vias de sinalização que levam ao crescimento celular.
Desafios Enfrentados
Embora o AlphaProteo tenha se mostrado eficaz em muitos casos, houve alguns desafios. Por exemplo, nem toda proteína alvo foi emparelhada com uma proteína de ligação com sucesso. Algumas proteínas mais complexas se mostraram difíceis, o que é consistente com as experiências de pesquisadores na área.
Vantagens do AlphaProteo
O AlphaProteo traz várias vantagens para os pesquisadores:
- Alta Taxa de Sucesso: Ele pode produzir proteínas que se ligam efetivamente aos seus alvos, reduzindo o tempo necessário para métodos de tentativa e erro.
- Alta Afinidade: Muitas das proteínas mostraram uma força de ligação impressionante, o que significa que conseguem interagir efetivamente com seus alvos.
- Aplicabilidade Geral: O sistema pode ser usado para uma ampla gama de proteínas, tornando-o flexível para várias necessidades de pesquisa.
Aplicações em Pesquisa Biomédica
As proteínas desenhadas com o AlphaProteo podem ser usadas em várias áreas, como desenvolver novos tratamentos, ferramentas de diagnóstico e estudar como as proteínas interagem em nossos corpos. Por exemplo, a capacidade de bloquear infecções virais ou regular fatores de crescimento pode ter um grande impacto no tratamento de doenças como câncer ou infecções.
Direções Futuras
Os pesquisadores esperam aprimorar ainda mais o AlphaProteo, tornando-o capaz de atacar proteínas mais desafiadoras e aquelas para as quais não há estruturas existentes disponíveis. Expandir suas capacidades pode levar a aplicações biomédicas mais eficazes no futuro.
Conclusão
O AlphaProteo representa um grande avanço no campo do design de proteínas, oferecendo um método poderoso para criar ligadores de proteínas eficazes. Sua capacidade de gerar designs de alta qualidade rapidamente pode beneficiar muito a comunidade científica e levar a abordagens inovadoras na pesquisa biomédica.
Ao simplificar o processo de design de proteínas, o AlphaProteo facilita para os pesquisadores enfrentarem desafios biológicos complexos. Isso pode resultar em novos tratamentos, avanços na compreensão de doenças e melhorias em várias aplicações de pesquisa, marcando o início de um novo capítulo na engenharia de proteínas.
Título: De novo design of high-affinity protein binders with AlphaProteo
Resumo: Computational design of protein-binding proteins is a fundamental capability with broad utility in biomedical research and biotechnology. Recent methods have made strides against some target proteins, but on-demand creation of high-affinity binders without multiple rounds of experimental testing remains an unsolved challenge. This technical report introduces AlphaProteo, a family of machine learning models for protein design, and details its performance on the de novo binder design problem. With AlphaProteo, we achieve 3- to 300-fold better binding affinities and higher experimental success rates than the best existing methods on seven target proteins. Our results suggest that AlphaProteo can generate binders "ready-to-use" for many research applications using only one round of medium-throughput screening and no further optimization.
Autores: Vinicius Zambaldi, David La, Alexander E. Chu, Harshnira Patani, Amy E. Danson, Tristan O. C. Kwan, Thomas Frerix, Rosalia G. Schneider, David Saxton, Ashok Thillaisundaram, Zachary Wu, Isabel Moraes, Oskar Lange, Eliseo Papa, Gabriella Stanton, Victor Martin, Sukhdeep Singh, Lai H. Wong, Russ Bates, Simon A. Kohl, Josh Abramson, Andrew W. Senior, Yilmaz Alguel, Mary Y. Wu, Irene M. Aspalter, Katie Bentley, David L. V. Bauer, Peter Cherepanov, Demis Hassabis, Pushmeet Kohli, Rob Fergus, Jue Wang
Última atualização: 2024-09-12 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2409.08022
Fonte PDF: https://arxiv.org/pdf/2409.08022
Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.