Proteiner bygger upp alla levande celler och lägger grunden för många läkemedel, från insulin till de senaste cancerbehandlingarna. Dessutom använder industrin olika typer av proteiner i djurfoder, tvättmedel och mycket annat.

Ju fler proteiner vi har att välja på desto större möjligheter har vi att hitta nya tillämpningar. Stora resurser läggs därför på att skapa syntetiska proteiner med speciella egenskaper. Här har nu forskare från Chalmers, Vilnius University Life Sciences Centre i Litauen och biotechföretaget Biomatters Designs fått ett genombrott.

Det traditionella sättet att ta fram syntetiska proteiner är att introducera slumpmässiga mutationer i proteinsekvenserna. Då får man lita på slumpen och mutationerna kan lika väl göra proteinet mindre lämpat för det önskade användningsområdet.

– Därför måste man utföra många serier av väldigt dyra och tidskrävande experiment där man testar miljoner av varianter, för att skapa nya effektiva proteiner och enzymer. Nu när vi har vi en AI-baserad metod kan vi gå från datordesign till fungerande protein på bara några veckor, säger Aleksej Zelezniak, docent på Chalmers och forskningsledare för projektet i ett pressmeddelande.

Forskarna har använt AI-tekniken generative deep learning approach för att skapa helt nya proteiner som är effektivare och stabilare än de existerande förebilderna. Enkelt uttryckt kan man säga att en del av AI:n studerar existerande proteiner och använder dem som underlag för att skapa nya syntetiska proteiner.

Sedan får en annan del av AI:n se bilder av både de nya syntetiska proteinerna och proteiner som redan används idag. AI:n gallrar bort de proteiner som är för olika de existerande proteinerna eftersom de med största sannolikhet inte kommer att ge den effekt man är ute efter. Det här upprepas tills  dess att AI:n inte kan se skillnad på existerande proteiner och de som den andra delen av AI.n skapat. De syntetiska proteiner som då är kvar kan testas i experiment.

– Snabbare processer vid proteinsyntes är väldigt viktigt för att få ner utvecklingskostnaderna. Det är nyckeln till att skapa hållbara industriella processer och konsumentprodukter. Vår AI-modell och andra framtida modeller kommer att göra detta möjligt och vår forskning är därför ett mycket viktigt bidrag, säger chalmersforskaren Martin Engqvist som varit delaktig i att utforma experimenten där de AI-genererade proteinerna testades.

Illustration: Yen Strandqvist, Chalmers ​