Neues KI-Modell entwickelt Proteine ​​zur Bereitstellung einer Gentherapie

Forscher der University of Toronto haben ein Framework für künstliche Intelligenz genutzt, um ein entscheidendes Protein neu zu gestalten, das an der Bereitstellung von Gentherapie beteiligt ist.

Die Studie, veröffentlicht In Naturmaschinenintelligenzbeschreibt neue Arbeiten zur Optimierung von Proteinen zur Abschwächung von Immunreaktionen, wodurch die Wirksamkeit der Gentherapie verbessert und Nebenwirkungen reduziert werden.

„Gentherapie ist vielversprechend, aber die bereits bestehende Immunantwort des Körpers auf virale Vektoren behindert ihren Erfolg erheblich. Unsere Forschung konzentriert sich auf Hexone, ein grundlegendes Protein in Adenovirus-Vektoren, die – abgesehen von dem Immunproblem – ein enormes Potenzial für die Gentherapie bergen.“ Therapie“, sagt Michael Garton, Assistenzprofessor am Institut für Biomedizinische Technik der Fakultät für Angewandte Wissenschaft und Ingenieurwesen.

„Durch serotypspezifische Antikörper ausgelöste Immunreaktionen stellen ein erhebliches Hindernis dar, diese Vehikel zum richtigen Ziel zu bringen. Dies kann zu einer verringerten Wirksamkeit und schwerwiegenden Nebenwirkungen führen.“

Um das Problem anzugehen, nutzte Gartons Labor KI, um maßgeschneiderte Varianten von Hexonen zu entwerfen, die sich von natürlichen Sequenzen unterscheiden.

„Wir wollen etwas entwerfen, das sich von allen menschlichen Varianten unterscheidet und daher vom Immunsystem nicht erkannt wird“, sagt Ph.D. Kandidatin Suyue Lyu, die Hauptautorin der Studie ist.

Herkömmliche Methoden zur Entwicklung neuer Proteine ​​erfordern häufig umfangreiche Versuche und steigende Kosten. Durch die Verwendung eines KI-basierten Ansatzes für das Proteindesign können Forscher einen höheren Grad an Variation erreichen, Kosten senken und schnell Simulationsszenarien erstellen, bevor sie sich auf eine bestimmte Teilmenge von Zielen für experimentelle Tests konzentrieren.

Zwar gibt es zahlreiche Protein-Design-Frameworks, doch aufgrund des Mangels an verfügbaren natürlichen Sequenzen und der relativ großen Größe von Hexonen – sie bestehen im Durchschnitt aus 983 Aminosäuren – kann es für Forscher eine Herausforderung sein, neue Varianten richtig zu entwerfen.

Vor diesem Hintergrund haben Lyu und Garton ein anderes KI-Framework entwickelt. Das als ProteinVAE bezeichnete Modell kann trainiert werden, um anhand begrenzter Daten die Eigenschaften eines langen Proteins zu lernen. Trotz seines kompakten Designs weist ProteinVAE eine generative Fähigkeit auf, die mit größeren verfügbaren Modellen vergleichbar ist.

„Unser Modell nutzt vorab trainierte Protein-Sprachmodelle für effizientes Lernen bei kleinen Datensätzen. Wir haben auch viele maßgeschneiderte technische Ansätze integriert, um das Modell für die Generierung langer Proteine ​​geeignet zu machen“, sagt Lyu und fügt hinzu, dass ProteinVAE absichtlich leichtgewichtig konzipiert wurde.

Lyu fügt hinzu: „Im Gegensatz zu anderen, wesentlich größeren Modellen, die hohe Rechenressourcen zum Entwerfen eines langen Proteins erfordern, unterstützt ProteinVAE schnelles Training und Inferenz auf allen Standard-GPUs. Diese Funktion könnte das Modell für andere akademische Labore benutzerfreundlicher machen. Unser KI-Modell, validiert.“ Durch molekulare Simulation wird die Fähigkeit demonstriert, einen erheblichen Prozentsatz der Proteinoberfläche zu verändern und so möglicherweise Immunreaktionen zu umgehen.“

Der nächste Schritt seien experimentelle Tests in einem Nasslabor, erklärt Lyu.

Garton glaubt, dass das KI-Modell über das gentherapeutische Proteindesign hinaus genutzt werden kann und wahrscheinlich auch zur Unterstützung des Proteindesigns in anderen Krankheitsfällen erweitert werden könnte.

„Diese Arbeit zeigt, dass wir möglicherweise in der Lage sind, mithilfe generativer KI neue Unterarten und sogar Arten biologischer Einheiten zu entwerfen“, sagt er, „und diese Einheiten haben einen therapeutischen Wert, der in neuartigen medizinischen Behandlungen eingesetzt werden kann.“