Итак, когда ученые захотели провести эксперимент, противопоставив человека - человека с глубоким, интуитивным пониманием конструкции и самосборки белков - прогностическим возможностям компьютерной программы с искусственным интеллектом, Нанда, исследователь из Центра передовых биотехнологий и медицины (CABM) в Ратгерсе, был одним из те, кто находится в верхней части списка.

Теперь результаты, позволяющие увидеть, кто - или что - могло бы лучше предсказать, какие белковые последовательности будут сочетаться наиболее успешно, опубликованы. Нанда вместе с исследователями из Аргоннской национальной лаборатории в Иллинойсе и коллегами со всей страны сообщает в Природная химия что битва была близкой, но решающей. В соревновании, в котором Нанда и несколько его коллег соревновались с программой искусственного интеллекта (ИИ), компьютерная программа выиграла, пусть и с небольшим отрывом.

Ученые глубоко заинтересованы в самосборке белков, потому что они верят, что лучшее понимание этого может помочь им разработать множество революционных продуктов для медицинского и промышленного применения, таких как искусственная человеческая ткань для лечения ран и катализаторы для новых химических продуктов.

"Несмотря на наш обширный опыт, ИИ справился с несколькими наборами данных не хуже или даже лучше, продемонстрировав огромный потенциал машинного обучения для преодоления человеческих предубеждений", - сказал Нанда, профессор кафедры биохимии и молекулярной биологии в медицинской школе Рутгерса Роберта Вуда Джонсона.

Белки состоят из большого количества аминокислот, соединенных впритык. Цепочки складываются, образуя трехмерные молекулы сложной формы. Точная форма каждого белка, наряду с содержащимися в нем аминокислотами, определяет, что он делает. Некоторые исследователи, такие как Нанда, занимаются "дизайном белков", создавая последовательности, которые продуцируют новые белки. Недавно Нанда и команда исследователей разработали синтетический белок, который быстро обнаруживает VX, опасное нервно-паралитическое вещество, и может проложить путь к новым биосенсорам и методам лечения.

По причинам, которые в значительной степени неизвестны, белки будут самособираться с другими белками, образуя суперструктуры, важные в биологии. Иногда кажется, что белки следуют определенной схеме, например, когда они самоорганизуются в защитную внешнюю оболочку вируса, известную как капсид. В других случаях они самоорганизуются, когда что-то идет не так, образуя смертоносные биологические структуры, связанные с такими разнообразными заболеваниями, как болезнь Альцгеймера и серповидно-клеточная.

"Понимание самосборки белка имеет основополагающее значение для достижения успехов во многих областях, включая медицину и промышленность", - сказал Нанда.

В ходе эксперимента Нанде и пяти другим коллегам дали список белков и попросили предсказать, какие из них, скорее всего, будут самособираться. Их прогнозы сравнивались с теми, которые были сделаны компьютерной программой.

Эксперты-люди, используя эмпирические правила, основанные на их наблюдениях за поведением белков в экспериментах, включая модели электрических зарядов и степень отвращения к воде, выбрали 11 белков, которые, по их прогнозам, будут самособираться. Компьютерная программа, основанная на передовой системе машинного обучения, выбрала девять белков.

Люди были правы в отношении шести из 11 выбранных ими белков. Компьютерная программа заработала более высокий процент, поскольку шесть из девяти рекомендованных ею белков были способны к самосборке.

Эксперимент показал, что эксперты-люди "отдавали предпочтение" одним аминокислотам перед другими, иногда приводя их к неправильному выбору. Кроме того, компьютерная программа правильно указала на некоторые белки с качествами, которые не делали их очевидным выбором для самосборки, открывая дверь для дальнейших исследований.

Этот опыт сделал Нанду, когда-то сомневавшегося в машинном обучении для исследований сборки белков, более открытым для этой техники.

"Мы работаем над тем, чтобы получить фундаментальное понимание химической природы взаимодействий, которые приводят к самосборке, поэтому я беспокоился, что использование этих программ помешает важным выводам", - сказал Нанда. "Но что я начинаю по-настоящему понимать, так это то, что машинное обучение - это просто еще один инструмент, такой же, как и любой другой".

Среди других исследователей, участвовавших в работе, были Рохит Батра, Генри Чан, Шрилок Сринивасан, Гарри Фрай и Субраманьян Шанкаранараянан, все из Аргоннской национальной лаборатории; Трой Леффлер, Национальная ускорительная лаборатория SLAC; Хонган Цуй, Университет Джона Хопкинса; Иван Корендович, Сиракузский университет; Лиам Палмер, Северо-Западный университет; и Ли Соломон, Джордж Университет Мейсона.