Proteini osmišljeni uz pomoć umjetne inteligencije mogu nositi skriveni potpis koji otkriva njihovo podrijetlo. Istraživači iz Google DeepMinda označili su odabrane proteine, koji su u laboratoriju zadržali sposobnost vezanja za određenu molekulu. Time žele olakšati provjeru bioloških materijala i smanjiti rizik od zloupotrebe alata za njihov razvoj.
U radu objavljenom 30. rujna u časopisu Nature opisali su eksperimentalni sustav SynthIDBio. Njegova oznaka može pomoći utvrditi kojim je alatom protein osmišljen, ali ne pokazuje je li opasan. Za primjenu u sprječavanju razvoja biološkog oružja potrebno je više od pouzdane provjere podrijetla.
Potpis koji se ne vidi na slici molekule
Proteini su lanci aminokiselina koji se savijaju u trodimenzionalne strukture. Redoslijed aminokiselina i oblik proteina utječu na njegovo djelovanje, uključujući sposobnost vezanja za druge molekule. Oznaka pritom ne smije poremetiti funkciju zbog koje je protein osmišljen.
SynthIDBio-sequence pri računalnom odabiru aminokiselina ostavlja prepoznatljiv statistički obrazac u njihovu slijedu. Detektor ga može provjeriti pomoću odgovarajućeg ključa. Potpis nije vidljiv na uobičajenom prikazu molekule.
Druga metoda, SynthIDBio-structure, oznaku ugrađuje u računalno predviđene položaje atoma. Za to služi prilagođena inačica modela AlphaFold 3. Za razliku od oznake u slijedu aminokiselina, ovaj se potpis odnosi na digitalno predviđanje strukture.
Što su provjerili u laboratoriju?
Tim Davida Stutza i Alexandera I. Cowen-Riversa testirao je proteine namijenjene vezanju za tri različite mete: VEGF-A, PD-L1 i dio proteina šiljka virusa SARS-CoV-2. Usporedba označenih i neoznačenih proteina pokazala je da se oznaka može zadržati uz usporedivu jakost vezanja.
To je provjera određene molekularne funkcije, a ne ispitivanje lijeka na pacijentima. Rezultat također ne znači da bi svaki protein nakon označavanja zadržao sva svoja svojstva. Metoda za označavanje predviđenih struktura prepoznala je više od 99,8 posto označenih primjera u ispitivanom skupu podataka, uz stopu lažno pozitivnih rezultata od 0,1 posto.
Biološka istraživanja već koriste umjetnu inteligenciju za vrlo različite zadatke, od mapiranja proteinskih sklopova u stanicama do procjene učinaka promjena u ljudskoj DNK. Uz takve primjene postaje važno sačuvati i podatak o podrijetlu bioloških zapisa, kako bi se računalno osmišljeni sljedovi i strukture mogli prepoznati pri kasnijim provjerama.
Gdje bi oznaka mogla pomoći?
DeepMind predlaže primjenu u tvrtkama koje po narudžbi sintetiziraju DNK. One provjeravaju narudžbe uspoređujući ih sa sljedovima povezanima s poznatim biološkim prijetnjama. Posve novi računalno osmišljeni sljedovi mogu otežati takvu usporedbu, a dodatne provjere usporiti legitimna istraživanja.
Prepoznatljiva oznaka mogla bi pokazati da je korišten alat s ugrađenim sigurnosnim ograničenjima. Za to bi trebalo dogovoriti pouzdanu razmjenu podataka između razvojnih timova i proizvođača. Oznaka ne bi smjela postati automatska propusnica za proizvodnju bez ostalih provjera.
Oznake bi mogle pomoći i u provjeri zapisa u znanstvenim bazama. Ako se računalno predviđena struktura pogrešno predstavi kao eksperimentalno utvrđena, može zavesti istraživače koji se na nju oslanjaju. Provjera oznake mogla bi pomoći urednicima baza da takve zapise izdvoje za dodatnu provjeru.
Zašto to još nije pouzdana zaštita od zloupotrebe
Naknadne izmjene mogu izbrisati potpis, što autori navode među ograničenjima metode. Osim toga, nisu svi alati za razvoj proteina opremljeni takvim sustavom, pa odsutnost potpisa ne dokazuje ni prirodno podrijetlo ni zlonamjernu uporabu.
U sadašnjoj izvedbi oznaka također ne sadržava identitet pojedinog korisnika. Potvrđuje prisutnost određenog potpisa, ali ne otkriva tko je naručio protein, zašto ga je izradio ni što je s njim poslije radio.
Bruce Wittmann, istraživač Microsofta koji nije sudjelovao u radu, u razgovoru za LiveScience ocijenio je da je metoda tehnički uspješna, ali da se njezina oznaka može ukloniti. Smatra da bi mogla biti jedan od slojeva biološke sigurnosti, dok bi široku primjenu i provedbu pravila bilo teško osigurati.
Prije praktične primjene ostaje pokazati koliko je potpis otporan na izmjene i kako postupati kada ga provjera ne pronađe. Visoka stopa prepoznavanja u kontroliranom ispitivanju još ne pokazuje koliko bi sustav bio pouzdan pri obradi stvarnih narudžbi i provjeri zapisa u bazama.
