Une protéine « deep fake » conçue avec l’intelligence artificielle ciblera les polluants de l’eau
Un chercheur de l’Université du Kansas utilisera l’apprentissage automatique pour créer des protéines bêta-tonneaux membranaires « deep-fake » – une classe de biocapteurs naturellement performants – conçus pour détecter les ions métalliques polluants dans l’eau. Crédit : T. Chris Gamblin
Si vous avez déjà utilisé un générateur d’images d’intelligence artificielle basé sur du texte comme Craiyon ou DALL-E, vous savez en quelques mots que les outils d’IA créent des images à la fois réalistes et complètement synthétisées.
L’apprentissage automatique qui alimente ces sites Web numérisera des millions d’images sur Internet, les analysera et en assemblera des facettes en images fraîches, mais fausses.
Aujourd’hui, des chercheurs de l’Université du Kansas travaillent à utiliser un processus d’apprentissage automatique similaire pour créer de nouvelles protéines conçues pour détecter les polluants de l’eau. Un chercheur de la KU envisage d’utiliser l’apprentissage automatique pour créer des protéines bêta-tonneaux membranaires « deep-fake » – une classe de biocapteurs naturellement performants – conçus pour détecter les ions métalliques polluants dans l’eau.
« Ces barils bêta sont super utiles car ils peuvent faire passer des choses à travers les membranes », a déclaré la chercheuse principale Joanna Slusky, professeure agrégée de biosciences moléculaires à KU. « Les barils font de bonnes enzymes – il y a tellement de choses différentes que les barils peuvent faire. »
Des recherches antérieures sur les barils bêta en forme de tube ont modifié leurs propriétés de liaison pour une variété de tâches. Cependant, une grande partie de ce travail était ardue et réalisée à la main, entraînant généralement des variations mineures d’un nombre limité d’échafaudages ou de structures en baril.
« Dans ce cas, nous utilisons l’apprentissage automatique pour générer un grand nombre de barils », a déclaré Slusky. « Mais, que diriez-vous si nous pouvions à la fois générer des barils et les rendre utiles? Nous nous sommes demandé: » Qu’est-ce qu’une application biotechnologique des barils? Eh bien, l’un serait des capteurs de métaux qui pourraient peut-être détecter des polluants métalliques. »
Slusky et ses co-chercheurs principaux, les professeurs Rachel Kolodny et Margarita Osadchy de l’Université de Haïfa en Israël (avec le boursier postdoctoral KU Daniel Montezano), développeront un nouveau processus d’apprentissage automatique qui génère des barils bêta avec des échafaudages similaires à ceux trouvés dans la nature , mais avec des séquences différentes.
« Il existe un site Web appelé » This X Does Not Exist « », a déclaré Slusky. « Si vous allez sur ce site, vous voyez toutes ces choses générées par l’IA et les gens n’existent pas vraiment. Mais un ordinateur a fait une image, par exemple, d’un chat. Mais ce n’est pas vraiment un chat – un ordinateur a pris un tas d’images de chats et a dit, ‘OK, nous pouvons générer autant d’images de chats que vous voulez maintenant, parce que nous avons compris ce qu’est un chat.’ Nous devons faire quelque chose de réel pour que nous le voyions plus comme générer une recette. »
« La question est de savoir comment faire en sorte que les ordinateurs génèrent une recette de protéines. »
Les barils bêta sont bien adaptés à l’avancement grâce à l’apprentissage automatique, car « les protéines naturelles sont en quelque sorte une petite erreur dans le nombre de séquences possibles ».
Si un algorithme informatique peut apprendre l’essence de ce qui fait d’une protéine une protéine, a déclaré Slusky, il évitera de générer des séquences inutiles.
« La plupart des séquences ne seraient jamais réellement des protéines – elles n’auraient pas de pli particulier », a-t-elle déclaré. « Ils se liaient simplement à eux-mêmes de manière étrange et imprévisible encore et encore. Pour être une protéine, vous avez besoin d’une séquence qui donne une forme. Lorsque les gens ont essayé de créer des séquences aléatoires, ou même des séquences quelque peu dirigées, ils ont découvert que seul un très, très petit pourcentage d’entre eux pourrait en fait être une protéine. »
Avec l’apprentissage automatique créant de nouvelles séquences viables résultant en ce pli commun, Slusky et ses collègues espèrent générer un baril bêta particulièrement bien adapté à la recherche d’ions métalliques dans l’eau. Ce résultat des travaux sera des biocapteurs basés sur des barils bêta qui peuvent identifier des polluants comme le plomb dans les cours d’eau.
« Si nous leur donnons la bonne taille, cette molécule sera idéale pour mettre un métal particulier, et vous pouvez avoir les bons substituants pour qu’elle lie ce métal », a déclaré Slusky. « Parce que c’est dans une membrane, cela peut vous donner une sorte de différence de conductance – il y a une différence entre le moment où il est lié et le moment où il n’est pas lié. Si vous êtes capable de faire cela, vous pourriez détecter différents métaux et différentes concentrations de ces métaux. Il y a beaucoup de grandes étapes que nous voulons accomplir, mais je suis plein d’espoir et excité.
