AI dizajnirao proteinske „molekularne škare“ koje mogu prepoznati odabrane mete

Zamislimo enzim koji ne djeluje nasumično, nego prepoznaje točno određeni dio proteina i presijeca ga na željenom mjestu. Takve bi „molekularne škare“ mogle jednog dana pomoći u razgradnji štetnih proteinskih nakupina ili u preciznoj biotehnologiji. Dva nova rada u časopisu Nature pokazuju koliko je računalni dizajn proteina u kratkom vremenu napredovao.

Istraživači su koristili kombinaciju metoda za oblikovanje strukture proteina, odabir aminokiselinskih sekvenci i provjeru predviđenog oblika. Među alatima bili su RFDiffusion, ProteinMPNN i AlphaFold 3. Cilj nije bio samo pronaći prirodni enzim, nego osmisliti proteine koji u prirodi možda nikada nisu postojali.

Jedna skupina dizajna temeljila se na cisteinskim proteazama, a druga na metaloproteazama koje koriste cink. U prvom radu aktivno je bilo 13 od 69 testiranih dizajna. U drugom je aktivnost pokazalo 36 posto od 135 testiranih varijanti. Najbolji metalni enzimi ubrzali su cijepanje odabranih meta više od sto milijuna puta u odnosu na pozadinsku reakciju, a optimizirane varijante i više od deset milijardi puta.

Posebno je zanimljivo što su istraživači testirali proteine povezane s bolestima, uključujući TDP-43, amiloid-beta i serumski amiloid A. To ipak ne znači da su napravili lijek. Enzimi su testirani u laboratoriju, a dio eksperimenata izveden je u stanicama sisavaca. Nema kliničkih ispitivanja na ljudima, podataka o sigurnosti u organizmu ni dokaza da bi se proteini mogli dostaviti do pravog tkiva.

Vrijednost rezultata trenutačno je u dokazu da se katalitička funkcija može programirati. Umjesto dugog traženja među prirodnim proteinima, znanstvenici mogu opisati kakvu reakciju žele, a računalni sustavi predložiti strukture koje bi je mogle izvesti. Laboratorij zatim pokazuje koji dizajni doista rade i vraća podatke u sljedeći krug optimizacije.

Takav pristup mogao bi imati primjene u medicini, industrijskoj kemiji i zaštiti okoliša. Enzimi bi se mogli koristiti za razgradnju specifičnih molekula, obradu otpada ili proizvodnju kemikalija uz manje energije. Ali isti alat zahtijeva i strogu kontrolu: protein koji precizno reže jednu metu mora biti dovoljno selektivan da ne ošteti druge.

Najvažnija poruka nije da je umjetna inteligencija već riješila složene bolesti. Puno je preciznije reći da je AI pomogao proširiti prostor mogućih proteinskih struktura i ubrzati laboratorijski dizajn. Put od funkcionalne molekule u epruveti do sigurnog proizvoda još je dug, ali novi rezultati pokazuju da je taj put postao znatno konkretniji.