Proteiners adfærd kan nu spores med kunstig intelligens

Proteiners bevægelser kontrollerer ofte afgørende processer i kroppen og behandling af sygdomme. Det kan for eksempel være proteiner, der bevæger sig langsommere, når de fremkalder kræft. Proteiner, som er gode til at dræbe bakterier ved hurtigt at bevæge sig ind i organismen. Eller proteiner, som transporterer lægemidler gennem vores tarmsystem.    

Slyngler og vidunderbørn

Disse bevægelser har imidlertid været svære for forskerne at forstå. Ved brug af kunstig intelligens har en forskergruppe fra Københavns Universitet dog nu demonstreret, at man automatisk kan udpege både ’slyngler’ og ’vidunderbørn’ blandt de molekyler, der styrter rundt i vores celler - alene ud fra deres bevægelsesmønster. Resultaterne er for nylig publiceret i tidsskriftet PNAS - Proceedings of the Natural Academy of Sciences of the United States of America.

“Vores algoritme tracker proteinets bevægelse og laver en karakteristik af hvert protein, som gør, at vi med stor nøjagtighed kan forudsige, hvad proteinet er ’god’ eller ’slem’ til – om det arbejder effektivt eller bare sover, om det får kræft til at opstå, eller om såkaldte nanocarriers kan fragte medicin de rigtige steder hen i kroppen. Metoden åbner for bedre kontrol over vigtige biologiske processer,” siger Nikos Hatzakis, der er lektor ved Kemisk Institut på Københavns Universitet og har været ledende forfatter på artiklen. 

Svært at måle et proteins indvirkning på kroppens celler

At bestemme biomolekylernes evner ud fra en automatiseret analyse af deres bevægelser er en helt ny tilgang, som fjerner nogle hidtidige barrierer for forskerne. Studiets førsteforfatter, kandidat Henrik Pinholt fra Kemisk Institut, forklarer, at det er svært at måle direkte, om et protein er vigtigt for cellernes overlevelse i kroppen. Eller om et virus er farligt for vores celler.

Takket være den nye algoritme kan forskerne imidlertid nu screene hundredvis af forskellige molekyler og alene ud fra mønstrene i deres bevægelser finde svar på vigtige spørgsmål.

”Før skulle man sidde og observere hver enkelt bevægelse hos proteinet og derefter pløje gamle modeller og teorier igennem for at kunne tolke på bare ét proteins bevægelser. Det er tidskrævende, dyrt og giver risiko for fejl. Derudover har forskerne før skulle lave lange matematiske analyser for at knække koden bag koblingen mellem bevægelse og en biologisk funktion”, siger Henrik Pinholt, der senere i denne måned starter sit ph.d.-studium på MIT – Massachusetts Institute of Technology i Boston.

Kan forudsige proteiners adfærd med over 90 procents nøjagtighed

Forskningen er gennemført i samarbejde med lektor Wouter Boomsma fra Datalogisk Institut på Københavns Universitet, som har hjulpet med at udvikle algoritmen bag metoden.

Metoden er defineret ved, at en maskinlærings-algoritme bliver fodret med mikropskopi-billeder af proteinets bevægelser, som den automatisk klassificerer. Derudfra udarbejder den en præcis karakteristik af proteinet bestående af 17 forskellige egenskaber i proteinets bevægelsesmønster, bl.a. hvor hurtigt det bevæger sig, hvilke ’gangarter’ det har, og hvorvidt det går i en specifik retning.

Når algoritmen er trænet, kan den sammenligne proteinernes karakteristikker med hinanden og dermed forudsige deres adfærd med over 90 procents nøjagtighed.