AI hittar snabbare nya läkemedel

GAN som står för geenerative adversarial networks är en AI-metod som bland annat kan skapa verklighetstrogna foton eller filmer på uppdiktade människor. Forskare på avdelningen för systembiologi vid Chalmers tekniska högskola i Göteborg har använt samma teknik för att designa nya proteiner.

Resultatet, som publicerats i Nature Machine Intelligence, är en snabbare och effektivare process för att utveckla proteiner som kan bli nya läkemedel, eller för att framställa industrikemikalier.

− Snabbare processer vid proteinsyntes är väldigt viktigt för att få ner utvecklingskostnaderna. Det är nyckeln till att skapa hållbara industriella processer och konsumentprodukter, säger Martin Engqvist, en av forskarna bakom studien som gjorts i samarbete med Chalmersforskaren Aleksej Zelezniak, Vilnius universitet samt ett bioteknikföretag i Litauen.

Proteiner är grundbulten i allt levande och fyller en rad funktioner. Inte minst fungerar de som enzymer som kan skapa eller bryta ner andra molekyler. Förutom i proteinbaserade läkemedel finns de i en rad produkter i vår vardag, som i tvättmedel.

Trots stora framsteg, som den Nobelprisbelönade metoden ”riktad evolution”, är det fortfarande en tidsödande process att framställa nya proteiner. Riktad evolution bygger på slumpmässiga variationer hos ett protein som sedan utvärderas genom experiment.

− Det är arbetsintensivt att gå igenom tusentals experiment. Här skapar vi i stället proteiner i datorn och kan hitta nya utan att göra experiment, säger Martin Engqvist.

Tricket som GAN bygger på är att två AI-nätverk tävlar mot varandra. Det första nätverket skapar proteiner som det andra nätverket utvärderar. Nätverk nummer två har sett massor av exempel på verkliga, fungerande proteiner vilket gör det svårt att lura. Nätverk nummer ett måste därför bli bra på att skapa verklighetstrogna proteiner.

− Det brukar liknas med hur en konstförfalskare försöker lura en konstkritiker. Det som gör modellen så kraftfull är att den inte begränsas av träningsdata utan kan skapa proteiner som ser rätt ut men som inte finns, säger Martin Engqvist.

I studien visar forskarna att metoden fungerar genom att skapa varianter av ett känt protein. Nu fortsätter de utvecklingen.

Artificiell intelligens, AI, kan inte bara skapa nya proteiner, i december 2020 visade forskare vid företaget Deepmind hur en AI kan användas för att från sekvensen av aminosyror lista ut hur proteiner veckar sig. Martin Engqvist är övertygad om att AI kommer att få enorm betydelse för proteinforskningen under kommande år.

− AI och biologi är framtiden och det finns fortfarande många problem att lösa. Även om vi vet strukturen hos ett protein så vet vi inte alltid funktionen.