Kunstig intelligens tager fingeraftryk af mistænkelige proteiner

Når politiet skal udpege personer med mistænkelig adfærd, er der mange ting i spil. Bevæger personen sig på en usædvanlig måde? Vælger personen en anden rute end de fleste andre? Kigger personen sig ekstra meget omkring? Det er oftest en kombination af flere parametre der ligger bag, og det kan være svært at sætte formel på, præcis hvilke brikker, der gør det i en specifik sag.

Det samme gælder, når biokemikere skal udpege proteiner der opfører sig mistænkeligt i mikroskopet. Her er der dog tale om fænomener, der er en million gange mindre og som bevæger sig med tusind gange højere hastighed end selv den hurtigste forbryder. 

Proteiners bevægelser kontrollerer ofte afgørende processer i vores kroppe og behandling af sygdomme. Det kan fx være proteiner, der bevæger sig langsommere når de fremkalder kræft, proteiner som er gode til at dræbe bakterier ved hurtigt at bevæge sig ind i organismen, eller proteiner som transporterer lægemidler gennem vores tarmsystem.                          

Disse bevægelser er desværre enormt svære at tolke på. Ved brug af kunstig intelligens har en forskergruppe fra Københavns Universitet dog demonstreret, at de automatisk kan udpege både ’slyngler’ og ’vidunderbørn’ blandt de molekyler, der styrter rundt i vores celler, alene ud fra deres bevægelsesmønster. 

“Vores algoritme tracker proteinets bevægelse og laver en karakteristik af hvert protein, som gør, at vi med stor nøjagtighed kan forudsige, hvad proteinet er god eller ’slem’ til – om det arbejder effektivt eller bare sover, om det får kræft til at opstå, eller om såkaldte nanocarriers kan fragte medicin de rigtige steder hen i kroppen. Metoden åbner for bedre kontrol over vigtige biologiske processer,” siger Nikos Hatzakis, seniorforfatter og lektor ved Kemisk Institut.

Forskerne kalder metoden for et “bevægelsesmæssigt fingeraftryk” (diffusional fingerprinting), da den som vores egne fingeraftryk gør det muligt præcis at identificere en bred vifte af individer.

Forskningen er sket i samarbejde med lektor Wouter Boomsma fra Datalogisk Institut, som har hjulpet med at udvikle algoritmen bag metoden. Studiet er publiceret i det prestigefyldte tidsskrift PNAS (Proceedings of the Natural Academy of Sciences of the United States of America).

Proteinets ’gangart’ bruges i karakteristik 

At bestemme biomolekylernes evner ud fra en automatiseret analyse af deres bevægelser er en helt ny tilgang, som fjerner nogle hidtidige barrierer for forskerne.

”De ting, vi er interesseret i at finde ud af, er svære at måle direkte på. Fx om et protein er vigtigt for at cellerne overlever i kroppen, eller om en virus er farlig for vores celler. Nu kan vi screene hundredvis af forskellige molekyler og alene ud fra mønstrene i deres bevægelser finde svarene,” siger førsteforfatter og kandidat Henrik Pinholt fra Kemisk Institut (som begynder PhD-studier på MIT til september) og tilføjer:

”Før skulle man sidde og observere hver enkelt bevægelse hos proteinet og derefter pløje gamle modeller og teorier igennem for at kunne tolke på bare ét proteins bevægelser. Det er tidskrævende, dyrt og giver risiko for fejl. Derudover har forskerne før skullet lave lange matematiske analyser for at knække koden til koblingen mellem bevægelse og en biologisk funktion.” 

Metoden foregår ved, at en maskinlærings-algoritme bliver fodret med mikropskopibilleder af proteinets bevægelser, som den automatisk klassificerer. Derudfra udarbejder den en præcis karakteristik af proteinet bestående af 17 forskellige egenskaber i proteinets bevægelsesmønster, bl.a. hvor hurtigt det bevæger sig, hvilke ’gangarter’ det har, og hvorvidt det går i en specifik retning. 

Når algoritmen er trænet, kan den sammenligne proteinernes karakteristikker med hinanden og dermed forudsige deres adfærd med over 90 procent nøjagtighed. I princippet kan dette være starten tilen stor database med bevægelsesmønstrene bag behandlinger af en bred vifte af sygdomme.

Kunstig intelligens med universelle anvendelsesmuligheder

Forskerne fandt, at metoden er anvendelig på alle typer molekyler. Indtil videre har de med succes brugt den til at forudsige proteiners adfærd i tre forskellige biologiske systemer: Proteiner der benyttes som grøn kemi i vaskepulver, proteiner involveret i celledeling og kræft samt proteiner på overfladen af nanopartikler. Den sidste anvendelse er vigtig i nanomedicin, der betragtes som en ny æra inden for sygdomsbehandling. Målet er her en mere effektiv og præcis levering af lægemidler i kroppen ved hjælp af nanopartikler.

”Med metoden har vi vist, at vi på sekunder kan forudsige, hvilken type nanopartikel der hurtigst kan bryde igennem tarmvæggen og dermed få lægemidlet det rigtige sted hen i kroppen,” siger Nikos Hatzakis. 

Næste skridt er virusproteiner

”Hvis en virus trænger ind i din krop, er der flere veje den kan komme ind i cellerne ad. At identificere den indgang, der bliver brugt af forskellige vira, tager måneder med de metoder, man har haft hidtil. Vores håb er, at metoden kan bruges til hurtigt at finde den rette indgang og så blokere den, så virussen ikke kan slippe ind,” slutter Nikos Hatzakis.

Forskerne antager også, at metoden kan bruges til at måle på, hvor effektive forskellige virusproteiner er til at inficere celler.