Modeli generativne umjetne inteligencije ubrzavaju napredak u predviđanju strukture proteina te stvaranju novih funkcionalnih proteina, pri čemu se ističu alati poput AlphaFolda 3 i modela za dizajniranje proteina. Za svoj raniji model AlphaFold 2, Googleov odjel DeepMind je svojem osnivaču Demisu Hassabisu i vodećem znanstveniku Johnu Jumperu bio priskrbio i Nobelovu nagradu za kemiju 2024. godine. Taj je sustav donio ovu tehnologiju u fokus javnosti, budući da je uspješno riješio pedeset godina star znanstveni izazov preciznog predviđanja trodimenzionalne strukture proteina na temelju njihove aminokiselinske sekvence.
SynthID i za sekvence
S obzirom na rastuću važnost praćenja i utvrđivanja podrijetla tako nastalih sekvenci i struktura, javljaju se novi izazovi vezani uz biosigurnost i točnost informacija. Kako bi se ti problemi riješili, tvrtka Google DeepMind razvila je SynthID Bio, metodu za ugrađivanje “vodenih” žigova u proteine generirane umjetnom inteligencijom. SynthID je inače Googleov naziv za tehnologije označavanja slika, videa i zvučnih zapisa generiranih uz pomoć modela umjetne inteligencije – a kako vidimo, njegova će varijacija primjenu naći i u biologiji.
Predstavljeni sustav služi kao dokaz koncepta koji potvrđuje izvedivost biološkog vodenog žiga uz očuvanje funkcionalnosti proteina. SynthID Bio omogućuje ugrađivanje visoko detektabilnih, a ujedno neprimjetnih oznaka izravno u biološke sekvence i trodimenzionalne strukture. Time se stvara potencijalni alat za potvrdu podrijetla u razdoblju brze ekspanzije biološkog inženjerstva pokretanog umjetnom inteligencijom, smatraju u DeepMindu.
Praćenje AI kreacija u biologiji
Sustav obuhvaća dvije specifične metode prilagođene različitim modelima. Prva od njih je SynthID Bio-sequence, koja ugrađuje vodeni žig u sekvence proteina tijekom autoregresivnog dekodiranja pomoću alata ProteinMPNN. Unatoč ugrađivanju žiga, proteini zadržavaju svoju funkciju i ekspresivnost. Eksperimenti s funkcionalnim vezivnim proteinima pokazali su da označene varijante ostvaruju afinitet vezanja usporediv s neoznačenim pandanima, uz gotovo savršenu točnost detekcije vodenog žiga.
Druga metoda je SynthID Bio-structure, razvijena kao fino podešeni model AlphaFold 3. Ova metoda ugrađuje neprimjetan vodeni žig u trodimenzionalne biomolekularne strukture već tijekom procesa uzorkovanja. Primjenom ovih rješenja na autoregresivne modele inverznog presavijanja i modele za predviđanje struktura, ostvaren je sustav koji omogućuje precizno praćenje bioloških materijala nastalih pomoću umjetne inteligencije.
Za sve istraživače i znanstvenike koji bi se htjeli pozabaviti tim tehnologijama, DeepMind je kod učinio javno dostupnim na GitHubu, a znanstveni rad koji opisuje metodu označavanja sekvenci objavljen je u časopisu Nature.
[post_publish_update_datetime]
