Ερευνητές στο Πανεπιστήμιο Κρήτης χρησιμοποιούν εργαλεία Τεχνητής Νοημοσύνης για να ανακαλύψουν νέες άγνωστες λειτουργίες σε πρωτεΐνες μικροοργανισμών, οι οποίες προκαλούν παθογένεια
Μπορούν οι επιστήμονες να «ακούσουν» τους μοριακούς διαλόγους μεταξύ των μικροοργανισμών και των ξενιστών τους; Φαίνεται πως τώρα μπορούν, αν εκμεταλλευτούν τις δυνατότητες της τεχνητής νοημοσύνης.
Η ομάδα Μικροβιολογίας και Μοριακών Αλληλεπιδράσεων Μικροβίου-Ξενιστή στο Πανεπιστήμιο Κρήτης και οι συνεργάτες τους, συνδυάζοντας τεχνολογίες της μοριακής και της δομικής Βιολογίας, της συνεστιακής μικροσκοπίας, της Βιοχημείας και Βιοφυσικής, με εργαλεία της μηχανικής μάθησης (machine learning), κατάφεραν να εντοπίσουν κρυμμένες λειτουργείες σε πρωτεΐνες μιας μεγάλης οικογένειας μικροοργανισμών, οι οποίες προκαλούν παθογένεια. Οι ερευνητές το κατάφεραν αυτό με τη βοήθεια ενός αλγορίθμου που ονομάζεται AlphaFold.
«Με την ανάπτυξη ειδικών αλγορίθμων Τεχνητής Νοημοσύνης, από το 2020 οι επιστήμονες έχουν στη διάθεσή τους εργαλεία για την μελέτη και τον προσδιορισμό πρωτεϊνικών δομών σχεδόν όλων των οργανισμών, από τον μακρόκοσμο έως και τον μικρόκοσμο, με αποτέλεσμα μία απεριόριστη ποικιλία εφαρμογών. Θα μπορούσαμε να πούμε ότι ίσως ζούμε το ξεκίνημα μιας νέας εποχής για την επιστήμη της Βιολογίας, την ψηφιακή Βιολογία» σχολιάζει ο Δρ. Παναγιώτης Σαρρής, Καθηγητής του τμήματος Βιολογίας του Πανεπιστήμιού Κρήτης και επικεφαλής της ομάδας έρευνας.
«Το AlphaFold, είναι ένας αλγόριθμος που προσδιορίζει με ικανοποιητική ακρίβεια τη δομή των πρωτεϊνών γνωρίζοντας μόνο την αλληλουχία των αμινοξέων τους», παρεμβαίνει ο Δρ. Κωνσταντίνος Κωτσαρίδης, που είναι ο πρώτος συγγραφέας σχετικής μελέτης.
Η ομάδα του καθηγητή Π. Σαρρή στο Πανεπιστήμιο Κρήτης ασχολείται αρκετά χρόνια με τη χαρτογράφηση της λειτουργίας/εμπλοκής παραγόντων που διαθέτουν οι μικροοργανισμοί, οι οποίοι επηρεάζουν την εσωτερική οργάνωση και λειτουργία των κυττάρων του ξενιστή, προκαλώντας παθογένεια. Αυτό που επιτρέπουν συστήματα όπως το AlphaFold, σύμφωνα με τους ερευνητές, είναι η χρήση της μηχανικής μάθησης (machine learning) στη χαρτογράφηση των αλληλεπιδράσεων μικροοργανισμού-ξενιστή σε επίπεδο δομής και λειτουργίας των πρωτεϊνών τους.
«Η ικανότητα της τεχνολογίας τεχνητής νοημοσύνης AlphaFold να προσδιορίζει με ακρίβεια την δομή πρωτεϊνών, μας επέτρεψε να εντοπίσουμε μία κρυμμένη λειτουργία σε μία ομάδα πρωτεϊνών που προκαλούν παθογένεια, η οποία φαίνεται να είναι αρκετά συντηρημένη τόσο σε παθογόνα που προσβάλουν τα θηλαστικά, όσο και σε παθογόνα που προσβάλουν φυτικούς ξενιστές. Μέχρι εκείνη τη στιγμή οι πρωτεΐνες αυτές χαρακτηρίζονταν ως “αγνώστου λειτουργίας”» προσθέτει ο κος Σαρρής.
Οι ερευνητές τροφοδότησαν το σύστημα AlphaFold με αλληλουχίες αμινοξέων αρκετών μελών μίας οικογένειας μικροβιακών πρωτεϊνών, οι οποίες προκαλούν παθογένεια και το άφησαν να επεξεργαστεί τις πληροφορίες αυτές επί μερικές εβδομάδες. Στη συνέχεια το «έξυπνο» σύστημα πρότεινε ένα σύνολο πιθανών δομών αυτών των πρωτεϊνών, από τις οποίες οι επιστήμονες επέλεξαν αυτές που πληρούν τις περισσότερες συνθήκες εγκυρότητας. Τα μοντέλα αυτά στη συνέχεια υπέστησαν επεξεργασία σε επίπεδο δομής με άλλα εργαλεία μηχανικής μάθησης και κατέληξαν στην ανακάλυψη μίας άγνωστης ενζυμική λειτουργίας τους, που προσμοιάζει με τη λειτουργία ενζύμων του κυττάρου ξενιστή. Στην συνέχεια τα μοντέλα ελέγχθηκαν με τη χρήση μοριακών, βιοχημικών και άλλων αναλυτικών τεχνολογιών αιχμής όπως φασματομετρία μάζας, κ.α. οδηγώντας στην εξιχνίαση των αλλαγών που προκαλούνται σε “πρωτεΐνες στόχους” του κυττάρου ξενιστή, από την νέα ενζυμική δράση των μικροβιακών παραγόντων παθογένειας.
«Η χρήση όλων αυτών των τεχνολογιών μας δίνει μία μοναδική ευκαιρία να κατανοήσουμε σε βάθος τους “μοριακούς διαλόγους” μεταξύ των μικροοργανισμών και του ξενιστή τους. Είναι ένα ισχυρό εργαλείο στα χέρια μας επειδή μπορούμε να έχουμε συγκεντρωμένες μετρήσεις και πληροφορίες σε πολύ διαφορετικές κλίμακες και επίπεδα. Αποδείξαμε ότι με την τεχνητή νοημοσύνη, μπορούμε να προσδιορίσουμε και να εξετάσουμε δεδομένα από πολλαπλές πηγές, ζητώντας από το σύστημα να συναρμολογήσει μοντέλα των πρωτεϊνών ενδιαφέροντος και να τα αναλύσει», αναφέρουν μεταξύ άλλων οι ερευνητές του Πανεπιστημίου Κρήτης.
Η συγκεκριμένη εργασία έχει γίνει δεκτή για δημοσίευση στο εγκυρότατο επιστημονικό περιοδικό The Plant Journal. Στην εργασία συμμετέχουν επίσης ερευνητές από το Ολλανδικό Ινστιτούτο για τον Καρκίνο και η ομάδα του ομότιμου καθηγητή Δομικής Βιολογίας του Πανεπιστημίου Κρήτης κ. Μιχάλη Κοκκινίδη. Η χρηματοδότηση έγινε από τον Ευρωπαϊκό οργανισμό EMBO (EMBO fellowships), τον Ευρωπαϊκό οργανισμό για τη Δομική βιολογία και τη μεταφραστική έρευνα iNEXT-Discovery και το Ελληνικό Υπουργείο Ανάπτυξης.
