Det tog evolutionen miljarder år – nu skräddarsyr vi proteiner på några minuter

Förslag på proteinstrukturer designade av Generative Biosciences ai-system. Ny Tekniks reporter Peter Ottsjö. Foto: Generative Biosciences samt Jörgen Appelgren
Förslag på proteinstrukturer designade av Generative Biosciences ai-system. Ny Tekniks reporter Peter Ottsjö. Foto: Generative Biosciences samt Jörgen Appelgren

Evolutionen har tagit sin goda tid på sig. Nu kommer artificiell intelligens att trycka gasen i botten. Snart kan vi framställa skräddarsydda proteiner på beställning.

Publicerad

Vad skiljer en sten från en växt? Ja, den mest fundamentala skillnaden är att växten är en levande organism. Den uppfyller de lösa definitioner av liv som vetenskapen samsats om. Växten är utrustad med ett system som reglerar dess inre. Den kan omsätta energi, utvecklas, växa, anpassa sig till en yttre miljö och föröka sig. Framförallt består växten av livets grundläggande beståndsdel: cellen.

Man skulle med andra ord kunna säga att liv är aktivitet. Celler ska tillverkas, molekyler ska skickas fram och tillbaka i organismen, nerver ska leda elektricitet och strukturer ska upprätthållas. För allt detta arbete har vi levande varelser en myriad maskiner att tacka. Vi kallar dem proteiner.

Efter flera miljarder år av forskning och utveckling har evolutionen byggt en formidabel maskinpark av allehanda proteiner, det ena mer vidunderligt än det andra. Nu lär emellertid artificiell intelligens ta över arbetet. Vi står inför en proteinrevolution, med syntetiskt framställda molekylära maskiner som bland annat kan användas för att bekämpa sjukdomar och plåstra om vår planet.

Det började, som det så ofta gör i ai-sammanhang, med Deepmind. Det brittiska företaget, ägt av Googles moderbolag Alphabet, har i praktiken löst det så kallade proteinveckningsproblemet, som forskarna hade gått bet på i över ett halvt sekel.

Ett protein som Alphafold förutspår gör växter mer motståndskraftiga. Foto: Deepmind
Ett protein som Alphafold förutspår gör växter mer motståndskraftiga. Foto: Deepmind

Proteiner består av en (ibland mycket lång) kombination av 20 aminosyror. Först är aminosyrorna trädda ungefär som pärlor på ett band. Därpå kröker sig bandet, veckas och vrids till en tredimensionell struktur. Strukturen av ett protein bestämmer dess funktion. Kan man förutspå strukturen blir det enklare att begripa hur proteinet interagerar med sin omgivning. Enklare att påverka det, kontrollera det, modifiera det eller tillverka helt nya protein med specifika egenskaper.

Att förutspå strukturen hos ett protein baserat på dess aminosyror är ingen enkel uppgift. Antalet former ett protein kan anta är enormt. Med mycket möda och stort besvär började forskare ändå kartlägga proteiners struktur med dyra och tidskrävande metoder som röntgenkristallografi. Det tog dem 70 år att luska ut formen på omkring 190 000 proteiner.

Biokemister häpnade därför när Deepmind med ai-systemet Alphafold demonstrerade att det med stor pricksäkerhet gick att förutsäga proteiners struktur både billigare och snabbare. Det var 2020. Två år senare hade Alphafold kartlagt i princip alla proteiner som vetenskapen känner till – över 200 miljoner.

Deepmind valde att härbärgera alla proteinstrukturer i en öppen databas och begäret efter att ta del av all data har minst sagt varit starkt. Över en halv miljon forskare från 190 länder har tagit del av databasen och flera hundra vetenskapliga artiklar, där Deepminds teknik varit avgörande, har redan publicerats.

Nästa steg är att inte bara kartlägga proteiners form, utan att tillverka sådana som inte existerar i naturen. Och det ska ske med den sortens artificiell intelligens som kan spotta fram fantastiska bilder efter att bara ha serverats med några rader text. Det visar sig nämligen att det som får generativa bildverktygssuccéer som Dall-e 2, Stable Diffusion och Midjourney att fungera även kan tillämpas i biologins värld.

Tidigare i år, och nästan samtidigt, meddelade ett startupbolag, Generative Biosciences, och en forskargrupp vid University of Washington, att deras respektive ai-modeller kan generera proteiner på beställning. Den senare gruppen använder en kombination av generativ ai och en metod som påminner om Deepminds spåkula.

Utvecklingen har gått så snabbt att forskarlaget redan börjat tillverka proteiner i labbet. Ett exempel är att ai-modellen fick i uppdrag att designa ett protein som binder till ett hormon. På förhand kände modellen enbart till hormonet. Därpå skred den till verket och föreslog en struktur som visade sig fungera bättre än något av dagens läkemedel.

Generative Biosciences är ännu inte redo att avslöja fullt lika många detaljer. Men företagets teknikchef, Gevorg Grigoryan, kan åtminstone summera vad vi står inför. “På några minuter kan vi upptäcka det som tog evolutionen miljontals år.”