Nuovo studio sulla comprensione del funzionamento delle proteine con l'intelligenza artificiale
Scienziati della Freie Universität di Berlino contribuiscono alla svolta di Microsoft Research nella modellazione delle proteine
Un importante progresso scientifico nella modellazione delle proteine, sviluppato da Microsoft Research AI for Science, è stato pubblicato sul numero del 10 luglio di Science. Lo studio presenta BioEmu, un sistema di deep learning generativo che emula il comportamento di equilibrio delle proteine con una velocità e una precisione senza precedenti.
Poiché la funzione biologica delle proteine dipende da cambiamenti dinamici nella loro struttura, la capacità di prevedere questi cambiamenti strutturali in modo rapido e accurato apre le porte a decisioni di progettazione più razionali nella scoperta di farmaci, contribuendo a ridurre il tasso di fallimento dei farmaci negli studi clinici.
BioEmu può generare migliaia di strutture proteiche statisticamente indipendenti all'ora su una singola unità di elaborazione grafica (GPU). "Questo riduce il costo e il tempo necessario per analizzare i cambiamenti funzionali della struttura delle proteine", spiega il professor Frank Noé, che ha guidato il progetto. BioEmu integra oltre 200 millisecondi di simulazioni di dinamica molecolare con dati sperimentali per prevedere insiemi strutturali e proprietà termodinamiche con una precisione prossima a quella sperimentale.
Il sistema cattura fenomeni biologici complessi come la formazione di tasche di legame nascoste, i movimenti dei domini e il dispiegamento locale, tutti elementi critici per la comprensione della funzione delle proteine e la progettazione di farmaci. BioEmu prevede anche i cambiamenti di stabilità delle proteine con una precisione che può competere con gli esperimenti di laboratorio. "BioEmu fornisce quindi un metodo scalabile per modellare la funzione delle proteine su scala genomica", aggiunge la professoressa Cecilia Clementi.
Il codice e il modello BioEmu sono liberamente disponibili con licenza MIT. Oltre alla pubblicazione, Microsoft Research ha rilasciato anche il dataset di simulazioni di dinamica molecolare generato per addestrare BioEmu. Questo set di dati, che comprende oltre 100 millisecondi di simulazioni di migliaia di sistemi proteici, rappresenta il più grande set di simulazioni di proteine con diverse sequenze finora disponibile pubblicamente.
Sebbene la ricerca sia stata condotta interamente presso Microsoft, la Freie Universität di Berlino è orgogliosa di riconoscere i contributi dei ricercatori affiliati. La ricerca è stata guidata da Frank Noé, Partner Research Manager di Microsoft Research AI for Science a Berlino, che è anche professore onorario presso la Freie Universität Berlin. Cecilia Clementi, Einstein Professor for Theoretical and Computation Biophysics presso la Freie Universität di Berlino, ha contribuito in modo determinante al lavoro come ricercatrice in visita presso Microsoft Research.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Sarah Lewis, Tim Hempel, José Jiménez-Luna, Michael Gastegger, Yu Xie, Andrew Y. K. Foong, Victor García Satorras, Osama Abdin, Bastiaan S. Veeling, Iryna Zaporozhets, ... Hannes Schulz, Usman Munir, Roberto Sordillo, Ryota Tomioka, Cecilia Clementi, Frank Noé; "Scalable emulation of protein equilibrium ensembles with generative deep learning"; Science, 2025-7-10
Altre notizie dal dipartimento scienza
