Proteinler, doğada iş yapan moleküllerdir ve onları çeşitli kullanımlar için başarılı bir şekilde değiştirmek ve üretmek etrafında ortaya çıkan koca bir endüstri var. Ancak bunu yapmak zaman alıcı ve gelişigüzeldir; beşik bilim insanlarına hangi yeni yapıların ve dizilerin bir proteinin istediklerini yapmasını sağlayacağını söyleyen yapay zeka destekli bir araçla bunu değiştirmeyi amaçlıyor. Şirket bugün önemli bir tohum turuyla gizlilikten çıktı.
AI ve proteinler son zamanlarda haberlerde yer aldı, ancak büyük ölçüde DeepMind ve Baker Lab gibi araştırma ekiplerinin çabaları nedeniyle. Makine öğrenimi modelleri, kolayca toplanan RNA dizisi verilerini alıyor ve bir proteinin alacağı yapıyı tahmin ediyor; bu, eskiden haftalar ve pahalı özel ekipman gerektiren bir adımdı.
Ancak bu yetenek bazı alanlarda inanılmaz olsa da, diğerleri için yalnızca bir başlangıç noktasıdır. Bir proteini daha kararlı olacak veya başka belirli bir moleküle bağlanacak şekilde değiştirmek, onun genel şeklini ve boyutunu anlamaktan çok daha fazlasını içerir.
“Eğer bir protein mühendisiyseniz ve bir proteinin belirli bir özelliğini veya işlevini tasarlamak istiyorsanız, onun neye benzediğini bilmek size yardımcı olmaz. Cradle CEO’su ve kurucu ortağı Stef van Grieken, “Bir köprü resminiz varsa, bu size onun düşüp düşmeyeceğini söylemez” dedi.
“Alphafold bir sekans alıyor ve proteinin nasıl görüneceğini tahmin ediyor” diye devam etti. “Biz bunun üretken kardeşiyiz: Mühendisliğini yapmak istediğiniz özellikleri seçersiniz ve model, laboratuvarınızda test edebileceğiniz dizileri üretir.”
Proteinlerin – özellikle bilimde yeni olanların – ne yapacağını tahmin etmek yerinde birçok nedenden dolayı zor bir görevdir, ancak makine öğrenimi bağlamında en büyük sorun, yeterli veri bulunmamasıdır. Böylece Cradle, kendi veri kümesinin çoğunu ıslak bir laboratuvarda oluşturdu, proteinleri birbiri ardına test etti ve dizilerindeki hangi değişikliklerin hangi etkilere yol açtığını gördü.
İlginç bir şekilde, modelin kendisi tam olarak biyoteknolojiye özgü değil, GPT-3 gibi metin üretim motorları üreten aynı “büyük dil modellerinin” bir türevi. Van Grieken, bu modellerin verileri nasıl anladıkları ve tahmin ettikleri konusunda dille sınırlı olmadığını, araştırmacıların hala keşfetmeye çalıştıkları ilginç bir “genelleme” özelliği olduğunu kaydetti.
Hareket halindeki Cradle UI örnekleri. Görsel Kaynakları: beşik
Cradle’ın aldığı ve tahmin ettiği protein dizileri elbette bildiğimiz herhangi bir dilde değil, ancak bunlar ilişkili anlamlara sahip nispeten basit doğrusal metin dizileridir. Van Grieken, “Bir uzaylı programlama dili gibi,” dedi.
Protein mühendisleri elbette çaresiz değildir, ancak çalışmaları zorunlu olarak çok fazla tahmin içerir. Değiştirdikleri 100 dizi arasında istenen etkiyi yaratacak kombinasyon olduğundan oldukça emin olabilirsiniz, ancak bunun ötesinde kapsamlı testler söz konusudur. Buradaki küçük bir ipucu, işleri önemli ölçüde hızlandırabilir ve büyük miktarda sonuçsuz emeği önleyebilir.
Modelin üç temel katmanda çalıştığını açıkladı. İlk olarak, belirli bir dizinin “doğal” olup olmadığını değerlendirir, yani. anlamlı bir amino asit dizisi mi yoksa sadece rastgele olanlar mı. Bu, bir cümlenin İngilizce (veya van Grieken’in örneğinde İsveççe) olduğunu ve kelimelerin doğru sırada olduğunu %99 güvenle söyleyebilen bir dil modeline benzer. Bunu, laboratuvar analiziyle belirlenen bu tür milyonlarca diziyi “okuyarak” bilir.
Ardından, proteinin yabancı dilindeki gerçek veya potansiyel anlama bakar. “Size bir dizi verdiğimizi hayal edin ve bu, bu dizinin dağılacağı sıcaklıktır” dedi. “Bunu birçok sekans için yaparsanız, sadece ‘bu doğal görünüyor’ değil, ‘bu 26 santigrat derece gibi görünüyor’ diyebilirsiniz. bu, modelin proteinin hangi bölgelerine odaklanacağını anlamasına yardımcı oluyor.”
Model daha sonra yerleştirilecek diziler önerebilir – temelde eğitimli tahminler, ancak sıfırdan daha güçlü bir başlangıç noktası. Mühendis veya laboratuvar daha sonra bunları deneyebilir ve bu verileri yeniden alınabileceği ve duruma göre modelde ince ayar yapmak için kullanılabileceği Cradle platformuna geri getirebilir.
Cradle ekibi karargahlarında güzel bir gün geçiriyor (van Grieken merkezde). Görsel Kaynakları: beşik
Proteinleri çeşitli amaçlar için değiştirmek, ilaç tasarımından biyoüretime kadar biyoteknoloji genelinde faydalıdır ve vanilya molekülünden özelleştirilmiş, etkili ve verimli moleküle giden yol uzun ve pahalı olabilir. Kısaltmanın herhangi bir yolu, en azından tek bir iyi sonuç elde etmek için yüzlerce deney yapmak zorunda olan laboratuvar teknisyenleri tarafından memnuniyetle karşılanacaktır.
Cradle gizlilik içinde faaliyet gösteriyor ve şimdi, melekler John Zimmer, Feike Sijbesma ve Emily Leproust’un katılımıyla, Index Ventures ve Kindred Capital’in ortak liderliğindeki bir tohum turunda 5,5 milyon dolar toplayarak ortaya çıkıyor.
Van Grieken, finansmanın ekibin veri toplama ölçeğini artırmasına – makine öğrenimi söz konusu olduğunda daha iyi olmasına – ve ürünü “daha fazla self servis” hale getirmek için çalışmasına olanak sağlayacağını söyledi.
Basın açıklamasında van Grieken, “Amacımız, biyo-bazlı bir ürünü piyasaya sürmenin maliyetini ve süresini bir kat azaltmaktır,” dedi, “böylece herkes – ‘garajındaki iki çocuk’ bile – getirebilir. pazara biyo-bazlı bir ürün.”