Teknik baru mengungkapkan banyak kemungkinan konformasi yang dapat diambil protein – ScienceDaily

Teknik baru mengungkapkan banyak kemungkinan konformasi yang dapat diambil protein – ScienceDaily


Mikroskopi cryo-electron (cryo-EM) memungkinkan para ilmuwan untuk menghasilkan gambar tiga dimensi dengan resolusi tinggi dari molekul kecil seperti protein. Teknik ini bekerja paling baik untuk pencitraan protein yang hanya ada dalam satu konformasi, tetapi para peneliti MIT kini telah mengembangkan algoritme pembelajaran mesin yang membantu mereka mengidentifikasi berbagai kemungkinan struktur yang dapat diambil protein.

Tidak seperti teknik AI yang bertujuan untuk memprediksi struktur protein hanya dari sekuens data, struktur protein juga dapat ditentukan secara eksperimental menggunakan cryo-EM, yang menghasilkan ratusan ribu, atau bahkan jutaan, gambar dua dimensi dari sampel protein yang dibekukan dalam lapisan tipis Es. Algoritme komputer kemudian mengumpulkan gambar-gambar ini, diambil dari sudut yang berbeda, menjadi representasi tiga dimensi dari protein dalam proses yang disebut rekonstruksi.

Di sebuah Metode Alam kertas, para peneliti MIT melaporkan perangkat lunak berbasis AI baru untuk merekonstruksi berbagai struktur dan gerakan protein yang dicitrakan – tujuan utama dalam komunitas ilmu protein. Alih-alih menggunakan representasi tradisional dari struktur protein sebagai intensitas hamburan elektron pada kisi 3D, yang tidak praktis untuk pemodelan beberapa struktur, para peneliti memperkenalkan arsitektur jaringan saraf baru yang dapat secara efisien menghasilkan ansambel penuh struktur dalam satu model.

“Dengan kekuatan representasi yang luas dari jaringan saraf, kami dapat mengekstrak informasi struktural dari gambar yang berisik dan memvisualisasikan pergerakan detail mesin makromolekul,” kata Ellen Zhong, seorang mahasiswa pascasarjana MIT dan penulis utama makalah ini.

Dengan perangkat lunak mereka, mereka menemukan gerakan protein dari kumpulan data pencitraan yang awalnya hanya mengidentifikasi satu struktur 3D statis. Mereka juga memvisualisasikan gerakan fleksibel skala besar dari spliceosome – kompleks protein yang mengoordinasikan penyambungan urutan pengkodean protein dari RNA yang ditranskripsi.

“Ide kami adalah mencoba menggunakan teknik pembelajaran mesin untuk lebih menangkap heterogenitas struktural yang mendasarinya, dan untuk memungkinkan kami memeriksa berbagai keadaan struktural yang ada dalam sampel,” kata Joseph Davis, Asisten Profesor Pengembangan Karir Whitehead di Departemen Biologi MIT.

Davis dan Bonnie Berger, Profesor Matematika Simons di MIT dan kepala kelompok Komputasi dan Biologi di Laboratorium Ilmu Komputer dan Kecerdasan Buatan, adalah penulis senior studi tersebut, yang muncul hari ini di Metode Alam. MIT postdoc Tristan Bepler juga seorang penulis makalah.

Memvisualisasikan proses beberapa langkah

Para peneliti mendemonstrasikan kegunaan pendekatan baru mereka dengan menganalisis struktur yang terbentuk selama proses perakitan ribosom – organel sel yang bertanggung jawab untuk membaca RNA pembawa pesan dan menerjemahkannya menjadi protein. Davis mulai mempelajari struktur ribosom saat menjadi doktoral di Scripps Research Institute. Ribosom memiliki dua subunit utama, yang masing-masing mengandung banyak protein individual yang dirakit dalam proses multistep.

Untuk mempelajari langkah-langkah perakitan ribosom secara rinci, Davis menghentikan proses pada titik yang berbeda dan kemudian mengambil gambar mikroskop elektron dari struktur yang dihasilkan. Di beberapa titik, perakitan pemblokiran menghasilkan akumulasi hanya satu struktur, menunjukkan bahwa hanya ada satu cara agar langkah tersebut terjadi. Namun, pemblokiran titik lain menghasilkan banyak struktur yang berbeda, menunjukkan bahwa perakitan dapat terjadi dalam berbagai cara.

Karena beberapa eksperimen ini menghasilkan begitu banyak struktur protein yang berbeda, alat rekonstruksi cryo-EM tradisional tidak berfungsi dengan baik untuk menentukan struktur tersebut.

“Secara umum, merupakan masalah yang sangat menantang untuk mencoba mencari tahu berapa banyak keadaan yang Anda miliki ketika Anda memiliki campuran partikel,” kata Davis.

Setelah memulai labnya di MIT pada tahun 2017, ia bekerja sama dengan Berger untuk menggunakan pembelajaran mesin guna mengembangkan model yang dapat menggunakan gambar dua dimensi yang dihasilkan oleh cryo-EM untuk menghasilkan semua struktur tiga dimensi yang ditemukan dalam sampel asli.

Di baru Metode Alam Dalam studi tersebut, para peneliti mendemonstrasikan kekuatan teknik dengan menggunakannya untuk mengidentifikasi keadaan ribosom baru yang belum pernah terlihat sebelumnya. Studi sebelumnya menunjukkan bahwa ketika ribosom dirakit, elemen struktural besar, yang mirip dengan fondasi bangunan, terbentuk terlebih dahulu. Hanya setelah fondasi ini terbentuk adalah “situs aktif” dari ribosom, yang membaca RNA pembawa pesan dan mensintesis protein, ditambahkan ke struktur.

Namun, dalam studi baru, para peneliti menemukan bahwa dalam subset yang sangat kecil dari ribosom, sekitar 1 persen, struktur yang biasanya ditambahkan di ujung benar-benar muncul sebelum perakitan fondasi. Untuk menjelaskan itu, Davis berhipotesis bahwa mungkin terlalu mahal secara energi bagi sel untuk memastikan bahwa setiap ribosom dirakit dalam urutan yang benar.

“Sel-sel kemungkinan besar berevolusi untuk menemukan keseimbangan antara apa yang dapat mereka toleransi, yang mungkin merupakan persentase kecil dari jenis struktur yang berpotensi merusak ini, dan berapa biaya untuk menghapusnya sepenuhnya dari jalur perakitan,” katanya.

Protein virus

Para peneliti sekarang menggunakan teknik ini untuk mempelajari protein lonjakan virus corona, yang merupakan protein virus yang mengikat reseptor pada sel manusia dan memungkinkan mereka memasuki sel. Domain pengikat reseptor (RBD) dari protein lonjakan memiliki tiga subunit, yang masing-masing dapat mengarah ke atas atau ke bawah.

“Bagi saya, mengamati pandemi yang berkembang selama setahun terakhir telah menekankan betapa pentingnya obat antivirus garis depan dalam memerangi virus serupa, yang kemungkinan besar akan muncul di masa depan. Saat kita mulai memikirkan tentang bagaimana seseorang dapat mengembangkan senyawa molekul kecil. untuk memaksa semua sel darah merah ke dalam keadaan ‘turun’ sehingga mereka tidak dapat berinteraksi dengan sel manusia, memahami dengan tepat seperti apa keadaan ‘naik’ itu dan seberapa besar fleksibilitas konformasi yang ada akan menjadi informasi untuk desain obat. Kami berharap teknik baru dapat mengungkap detail struktural semacam ini, “kata Davis.

Penelitian ini didanai oleh National Science Foundation Graduate Research Fellowship Program, National Institutes of Health, dan MIT Jameel Clinic for Machine Learning and Health. Pekerjaan ini didukung oleh cluster komputasi MIT Satori yang dihosting di MGHPCC.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel

Author Image
adminProzen