Microsoft Research on esitellyt BioEmu 1:n, mullistavan tekoälyjärjestelmän, joka uudistaa genomiikan tutkimusta nopeuttamalla proteiinien laskostumisanalyysiä merkittävästi.
Syväoppimismalli pystyy tuottamaan tuhansia tilastollisesti riippumattomia proteiinirakenteita tunnissa yhdellä GPU:lla, toimien kymmenen kertaa nopeammin kuin aiemmin alan kultaisena standardina pidetty AlphaFold 2. Siinä missä AlphaFold mullisti staattisten proteiinirakenteiden ennustamisen, vie BioEmu 1 kehityksen pidemmälle mallintamalla proteiinien dynaamista käyttäytymistä – eli koko sitä konformaatioiden kirjoa, jonka proteiinit luonnollisesti omaksuvat.
BioEmu 1 saavuttaa tämän poikkeuksellisen suorituskyvyn yhdistämällä kolme keskeistä tietolähdettä: AlphaFold-tietokannan rakenteet, laajan molekyylidynamiikkasimulaatioiden aineiston sekä kokeellisen proteiinien laskostumisvakavuuden tiedot. Järjestelmän tehokkuus on niin huomattavaa, että yliopistolaboratoriot voivat nyt suorittaa monimutkaisia virtuaalisia mutageenisuuspuhdistuksia lyhyiden taukojen aikana – tehtäviä, jotka aiemmin vaativat päiviä tai viikkoja laskenta-aikaa.
"Proteiinien dynamiikka nousee seuraavaksi tutkimuksen kohteeksi tarkan rakenteen ennustamisen jälkeen", toteaa professori Martin Steinegger Soulin kansallisesta yliopistosta. "BioEmun ansiosta tutkijat voivat nyt hyödyntää nopeaa vapausenergia-maiseman näytteenottoa proteiineille syväoppimisteknologian avulla."
Teknologian vaikutukset ulottuvat akateemista tutkimusta laajemmalle. Lääkekehityksessä BioEmu 1 kykenee tunnistamaan piileviä sitoutumiskohtia, jotka ovat usein vaikeasti havaittavissa perinteisin menetelmin, tarjoten uusia kohteita terapeuttisille interventioille. Järjestelmä ennustaa myös tarkasti proteiinien stabiilisuutta laskostumisen vapausenergia-arvioiden avulla, jotka vastaavat kokeellisia mittaustuloksia.
Microsoft on julkaissut BioEmu 1:n avoimen lähdekoodin ohjelmistona, mikä eroaa joidenkin kilpailijoiden rajoittavammista toimintatavoista. Tämä päätös mahdollistaa tutkijoille ympäri maailmaa proteiinidynamiikan tutkimuksen edistämisen ja voi nopeuttaa biolääketieteellisiä läpimurtoja, mukaan lukien lääkekehityksen etenemistä. Heinäkuuhun 2025 mennessä varhaiset käyttöönotot viittaavat siihen, että teknologia voi analyytikkojen mukaan vähentää lääkekehityksen kustannuksia jopa 30 prosenttia.