Naukowcy z Indyjskiego Instytutu Technologii w Madrasie opracowali „potok uczenia maszynowego”, który nazywają „ekspertem AI”, w celu sugerowania najlepszej kombinacji aminokwasów w celu utworzenia peptydów do określonego celu.

Aminokwasy to grupa 20 związków węgla, tlenu, wodoru i azotu. Krótkie łańcuchy aminokwasów to „peptydy”, podczas gdy długie łańcuchy to białka.

Teoretycznie istnieją miliardy peptydów, ponieważ aminokwasy mogą matematycznie łączyć się na wiele sposobów. Podobnie jak można utworzyć niezliczone słowa z 26 liter alfabetu.

Naukowcy przez cały czas polegali na doświadczeniu i intuicji, aby wymyślać nowsze peptydy, ale dzięki sztucznej inteligencji wybór odpowiedniego kandydata do rozwiązania konkretnego problemu może być bardziej precyzyjny.

Profesor Rohit Batra i jego zespół z Wydziału Inżynierii Metalurgicznej i Materiałowej Indyjskiego Instytutu Technologii w Madrasie opracowali „eksperta AI”, który wybiera „odpowiednie konie do kursów” spośród miliardów peptydów. Ekspert AI wykorzystuje algorytm znany jako przeszukiwanie drzewa Monte Carlo (MCTS), aby podjąć świadomą decyzję dotyczącą sekwencji peptydów.

Mówiąc prościej, sztuczna inteligencja wymyśliłaby sekwencję peptydową. Komputer symulowałby jego użycie, określał, jak dobry jest i dawał mu ocenę. Następnie sztuczna inteligencja wymyśliłaby następną i uzyskała wynik. Wyniki pokażą AI, w którym kierunku ma podążać, i wkrótce wymyśli właściwy peptyd.

Do badań Batra wziął penta-peptydy, czyli peptydy złożone z pięciu aminokwasów, dla których matematycznie istnieje 3,2 miliona możliwości. Ekspert AI ocenił 6600 z nich i porównał wyniki podane przez grupę ekspertów projektantów peptydów. Ekspert AI miał wskaźnik sukcesu na poziomie 66,7 procent.

Chociaż odkrycie takich peptydów o specjalnych właściwościach samo w sobie ma wpływ, praca ma znacznie większy potencjał, mówi prof. Gruzja. „Zapewnia plan strategii wyszukiwania, które można zastosować w wielu dziedzinach zastosowań materiałów i chemii, o ile problem wyszukiwania można sformułować w odpowiedni sposób”, mówi Ramprasad w artykule w Dyskusja techniczna IIT Madras.

— powiedział Batra Kwant że AI-eksperta można wykorzystać wszędzie tam, gdzie trzeba wybierać spośród miliardów możliwości; zdecydował się jednak zastosować to z peptydami — w przeciwieństwie do, powiedzmy, polimerów — ponieważ peptydy są łatwe w produkcji. Można wymyślić odpowiedni peptyd do, powiedzmy, zbierania światła, katalizy, stabilności mechanicznej lub przewodnictwa. Można na przykład wymyślić peptydy, które wiążą się z niektórymi metalami ziem rzadkich, powiedział Batra.

Czy możesz użyć eksperta AI, aby dotrzeć do różnych białek? Białka mogą mieć setki cząsteczek aminokwasów, w porównaniu do peptydów z 15-20 cząsteczkami. To niemożliwe, mówi Batra. Wymagane obliczenia przytłoczyłyby nawet najlepsze dzisiejsze komputery. Białka powinny poczekać na komputery kwantowe.