Искусственный интеллект помогает выращивать биотопливо на неплодородной почве и защищать растения от инфекционных заболеваний

от

Биологи и учёные, работающие с данными, из Брукхейвенской национальной лаборатории Министерства энергетики США (DOE) недавно усовершенствовали две программы искусственного интеллекта (ИИ), изначально созданные компанией Meta (владеет Facebook). Эти программы предназначены для прогнозирования форм белков. Их новая комбинированная модель, называемая ESMBind, может предсказывать трёхмерную структуру белков и то, как они связываются с питательными металлами, такими как цинк и железо, которые необходимы для жизни.

Этот подход с использованием ИИ, по словам учёных, поможет им понять, как растения поглощают необходимые металлы из почвы. Это может стать первым шагом к созданию биоэнергетических культур, способных расти в условиях бедной почвы, где не хватает этих питательных веществ, сохраняя более плодородные земли для выращивания продуктов питания.

«Мы не хотим, чтобы биоэнергетические культуры конкурировали с продовольственными за землю. Вместо этого нам нужно выращивать эти биоэнергетические растения на почвах, бедных питательными веществами», — объяснила Цюнь Лю, биолог-структуралист из Брукхейвенской лаборатории и соавтор недавней статьи, описывающей эту работу в журнале Journal of Molecular Biology.

Белки начинают свой путь в виде длинных цепочек более мелких молекул, называемых аминокислотами, которые связаны друг с другом, как бусины на нитке. Но прежде чем эти молекулы смогут выполнять свои функции в клетках, цепь аминокислот должна свернуться, создавая уникальную трёхмерную форму. Эта трёхмерная структура определяет, как белок взаимодействует с другими молекулами для выполнения своей функции.

Команда из Брукхейвена разработала ESMBind для прогнозирования этих трёхмерных форм, чтобы получить представление о функциях белков при их взаимодействии с металлами.

«Мы считаем, что можно использовать машинное обучение, форму ИИ, для ускорения создания полезных моделей белков», — сказал Лю. С помощью модели ESMBind исследователи могут проводить сотни тысяч симуляций каждый день.

Синь Дай, учёный в области ИИ в Управлении по вычислительным наукам и наукам о данных Лаборатории, и его команда начали с двух базовых моделей от Meta, называемых ESM-IF и ESM-2. Они использовали ESM-2 и ESM-IF для сбора информации из последовательностей белков и структур соответственно. Комбинированный рабочий процесс может предсказать, может ли конкретный белок связываться с определённым металлом.

Исследователи обычно определяют структуры белков экспериментально, используя такие установки, как Национальный источник синхротронного излучения II (NSLS-II). NSLS-II создаёт ультраяркий рентгеновский луч, который может выявить структуры на атомном уровне. Цюнь сказала, что большая часть структурных данных, использованных для обучения ESMBind, была получена из исследований рентгеновской кристаллографии, проведённых в NSLS-II и других источниках синхротронного излучения.

Но исследования с помощью рентгеновской кристаллографии требуют времени. Модель ESMBind может ускорить процесс исследования.

«ESMBind — это инструмент для скрининга, позволяющий находить белки, которые связываются с интересующими нас металлами», — объяснил Дай. Это сокращает количество кандидатов в белки, над которыми исследователям необходимо работать экспериментально.

Оценивая рабочий процесс ESMBind, Лю и Дай обнаружили, что их модель превосходит другие модели ИИ в точном прогнозировании трёхмерных структур белков и их функций.

Учёные особенно заинтересованы в сорго. Десятилетия исследований показали, что это сельскохозяйственное растение можно преобразовать в различные виды биотоплива, включая этанол и твёрдый биоуголь.

Сорго особенно хорошо подходит для биоэнергетического сельского хозяйства, поскольку может расти на маргинальных землях в полузасушливых регионах и переносить относительно высокие температуры. Понимание взаимодействия этого устойчивого растения с почвенными металлами может ещё больше улучшить его использование в качестве биоэнергетической культуры.

Исследование Дай и Лю, основанное на ИИ, по изучению взаимодействий между белками и металлами также может помочь защитить ценные биоэнергетические культуры от инфекционных заболеваний. Это одна из причин, по которой они решили применить свою модель ESMBind для прогнозирования формы белков в Colletotrichum sublineola, грибе, который убивает сорго.

Подобно белкам в самом сорго, белки в грибе также связывают специфические металлы. В грибах металлы играют роль в запуске инфекции. Понимая места связывания металлов в грибковых белках, исследователи ищут способы нарушить инфекционность, чтобы защитить сорго от болезней.

Исследователи определили около 140 белков-кандидатов, которые могут секретироваться и способствовать инфицированию. Они создали модели мест связывания белков с металлами в качестве основы для будущей работы по предотвращению грибковой инфекции.

«Защита растений и биоэнергетических культур от инфекционных заболеваний является приоритетом исследований для группы наук о растениях в биологическом отделе Брукхейвенской лаборатории», — сказал Лю.

В будущем учёные разработают модель на основе ESM, чтобы помочь им создавать белки, которые можно было бы использовать для извлечения и разделения важнейших минералов и материалов из таких источников, как зола шахт, хвосты и руды.

Текущие промышленные методы извлечения и очистки таких минералов, включая редкоземельные элементы, включают использование агрессивных химикатов и требуют значительных затрат энергии. Использование внутренней способности белка захватывать эти минералы может помочь поддержать устойчивую цепочку поставок в США, пояснил Лю.

«Если мы сможем разработать белок, который будет складываться и захватывать редкоземельный элемент определённым образом, мы сможем создать микробы, которые будут производить этот белок, и использовать их для извлечения и восстановления этого важного минерала», — сказал он.

ESMBind — это модель глубокого обучения с открытым исходным кодом, и любой желающий может получить к ней доступ для создания моделей взаимодействия белок-металл.

Источник

Другие новости по теме

Другие новости на сайте