Исследователи из Университета Иллинойса в Урбане-Шампейне значительно улучшили характеристики двух важных промышленных ферментов и создали удобный для пользователя быстрый процесс для улучшения многих других. Они объединили искусственный интеллект с автоматизированной робототехникой и синтетической биологией.
Под руководством Хуэймин Чжао, профессора химической и биомолекулярной инженерии в Университете Иллинойса, команда опубликовала свои [результаты](https://www.nature.com/articles/s41467-025-61209-y) в журнале Nature Communications.
«Ферменты всё чаще используются в производстве энергии, в терапии и даже в потребительских товарах, таких как стиральные порошки. Но они не так широко используются, как могли бы, потому что у них всё ещё есть ограничения. Наша технология может помочь эффективно решить эти проблемы», — сказал Чжао, который также связан с Институтом геномной биологии Карла Р. Вёзе в Университете Иллинойса.
Ферменты — это белки, которые выполняют специфические каталитические функции, лежащие в основе многих биологических процессов. Те, кто стремится использовать ферменты для развития медицины, технологий, энергетики или устойчивого развития, часто сталкиваются с препятствиями, связанными с эффективностью фермента или его способностью выделять нужную мишень в сложной химической среде, — сказал Чжао.
«Улучшение функции белка, особенно фермента, является сложной задачей, потому что мы не знаем точно, какие мутации мы должны внести — и обычно это не одна мутация, а множество синергетических мутаций», — сказал Чжао. «С нашей моделью интеграции искусственного интеллекта и синтетической биологии мы предлагаем эффективный способ решения этой проблемы».
Группа Чжао ранее [сообщила](https://phys.org/news/2023-03-ai-enzyme-function-tools.html) об использовании модели искусственного интеллекта для прогнозирования функции фермента на основе его последовательности. В новой статье исследователи пошли ещё дальше: они предсказывают изменения в известной последовательности белка, которые улучшат его функцию.
«В ферменте обычного размера возможное количество вариаций больше, чем количество атомов во Вселенной», — сказал Нилмани Сингх, соавтор статьи. «Поэтому мы используем метод искусственного интеллекта, чтобы создать относительно небольшую библиотеку потенциально полезных комбинаций вариантов, вместо того чтобы случайным образом искать всю последовательность белка».
Однако обучение и улучшение модели искусственного интеллекта — это больше, чем просто код; это требует много входных данных, информации и обратной связи. Поэтому команда из Иллинойса объединила свои модели искусственного интеллекта с автоматизированными возможностями, предлагаемыми iBioFoundry — центром в Университете Иллинойса, предназначенным для быстрой и удобной разработки и тестирования биологических систем, начиная от ферментов и заканчивая целыми клетками. Чжао руководит iBioFoundry.
В новой статье исследователи излагают свой процесс. Сначала они спрашивают инструмент искусственного интеллекта, как улучшить характеристики желаемого фермента. Инструмент искусственного интеллекта ищет наборы данных известных структур ферментов и предлагает изменения последовательности. Автоматизированные машины для создания белков в iBioFoundry производят предложенные ферменты, которые затем быстро тестируются для определения их функций. Данные из этих тестов передаются в другую модель искусственного интеллекта, которая использует информацию для улучшения следующего раунда предложенных конструкций белков.
«Это шаг к созданию самоуправляемой лаборатории: лаборатории, которая проектирует свои собственные белки, создаёт их, тестирует и создаёт следующий», — сказал Стефан Лейн, менеджер iBioFoundry и соавтор. «Проектирование и обучение выполняются с помощью алгоритма искусственного интеллекта, а создание и тестирование — с помощью робототехники».
Используя этот метод, команда создала варианты двух ключевых промышленных ферментов со значительно улучшенными характеристиками. Один фермент, добавленный в корм для животных для улучшения его питательной ценности, увеличил свою активность в 26 раз. У другого, катализатора, используемого в промышленном химическом синтезе, активность была в 16 раз выше, а предпочтение субстрату — в 90 раз выше, что означает, что он с гораздо меньшей вероятностью захватывал молекулы, которые не были его мишенью.
«Мы описали два фермента в статье, но это действительно обобщённый подход. Нам нужна только последовательность белка и анализ», — сказал Чжао. «Мы хотим попробовать применить его ко многим ферментам».
Далее исследователи планируют продолжить улучшение своих моделей искусственного интеллекта и обновить оборудование для ещё более быстрого и высокопроизводительного синтеза и тестирования. Они также разработали [пользовательский интерфейс](https://phys.org/tags/user+interface/), позволяющий системе работать с помощью простого текстового запроса. Их цель — предложить свой метод в качестве услуги другим исследователям, стремящимся улучшить ферменты и ускорить разработку лекарств, а также инновации в энергетике и технологиях.
«Мотивация для пользовательского интерфейса заключается в том, чтобы позволить людям с разным опытом использовать инструмент», — сказал аспирант Тяньхао Ю, соавтор статьи. «Если экспериментальный учёный не знает, как запускать программы на Python, то он может использовать наш интерфейс, чтобы помочь ему запустить программу. Ему нужно только использовать английский язык, чтобы описать свои потребности, и система автоматически запустится».
Предоставлено [Университетом Иллинойса в Урбане-Шампейне](https://phys.org/partners/university-of-illinois-at-urbana-champaign/).