Jak funguje de novo design proteinů – a proč na tom záleží

Stavba proteinů, o kterých se přírodě ani nesnilo

Proteiny jsou molekulární stroje života. Katalyzují reakce, bojují s infekcemi, budují tkáně a přenášejí signály po celém těle. Miliardy let evoluce formovaly každý protein na Zemi prostřednictvím náhodných mutací a přirozeného výběru – pomalého, slepého procesu. Nyní se vědci naučili evoluci zcela přeskočit a navrhovat zcela nové proteiny od nuly.

Tento obor se nazývá de novo design proteinů a David Baker z University of Washington za něj získal Nobelovu cenu za chemii za rok 2024. V kombinaci s průlomovými objevy v oblasti umělé inteligence má potenciál přetvořit medicínu, materiálové vědy a průmyslovou chemii.

Co jsou proteiny – a proč je tvar vším

Protein je řetězec aminokyselin, který se skládá do přesného trojrozměrného tvaru. Tento tvar určuje, co protein dělá: nepatrný posun může proměnit užitečný enzym v neužitečnou hrudku. Tvary přírodních proteinů se vyvíjely po tisíciletí. De novo design obrací scénář: vědci si nejprve vyberou požadovaný tvar a funkci a poté vypočítají sekvenci aminokyselin, která se do něj složí.

Představte si to jako architekturu. Tradiční biologie studuje stávající budovy, aby pochopila, jak stojí. De novo design vám umožní navrhnout plány pro stavby, které ještě nikdo nepostavil – a pak je postavit.

Jak proces návrhu funguje

Návrh proteinů probíhá ve třech širokých krocích:

1. Definujte cílovou strukturu. Výzkumníci specifikují 3D páteř, kterou chtějí – možná kapsu, která uchopí molekulu léku, nebo klec, která doručí složku vakcíny.
2. Vypočítejte sekvenci. Softwarové nástroje hledají sekvenci aminokyselin, u které se předpokládá, že se spolehlivě složí do tohoto tvaru. Program musí splňovat tisíce fyzikálních omezení: vodíkové vazby, hydrofobní balení, elektrostatické interakce.
3. Ověřte v laboratoři. Navržený gen je syntetizován, vložen do buněk a výsledný protein je testován, aby se potvrdilo, že se skutečně skládá a funguje tak, jak bylo zamýšleno.

Po celá desetiletí byl druhý krok úzkým hrdlem. Rané nástroje byly pomalé a měly nízkou úspěšnost. To se dramaticky změnilo s umělou inteligencí.

Revoluce umělé inteligence: Od AlphaFold po RFdiffusion

V roce 2020 AlphaFold od DeepMind ohromil biology tím, že předpovídal struktury proteinů s téměř experimentální přesností. Bakerova laboratoř adaptovala podobné architektury hlubokého učení – ne k předpovídání tvarů, ale k jejich generování.

Výsledkem byl RFdiffusion, generativní model umělé inteligence, který se k návrhu proteinů chová jako ke generování obrázků. Začíná náhodným šumem a postupně jej vylepšuje do životaschopné proteinové struktury, čímž zvyšuje experimentální úspěšnost o dva řády. Doprovodný nástroj, ProteinMPNN, pak najde optimální sekvenci aminokyselin za zhruba jednu sekundu – více než 200krát rychleji než předchozí software, podle National Institutes of Health.

Nejnovější verze, RFdiffusion3, dokáže navrhovat proteiny, které interagují s DNA, malými molekulami a dalšími proteiny s atomovou přesností, produkující enzymy téměř stejně účinné jako ty, které se nacházejí v přírodě.

Aplikace v reálném světě

Praktické výhody se již objevují:

• Medicína: Bakerova skupina navrhla malé proteiny, které blokují infekci SARS-CoV-2, nanočástice, které slouží jako kandidáti na vakcínu proti chřipce, a vazebné proteiny, které neutralizují smrtelné toxiny hadího jedu.
• Diagnostika: Proteinové senzory na míru dokážou detekovat látky jako fentanyl a nabízejí rychlé a levné screeningové nástroje.
• Materiály: Výzkumníci na MIT začali navrhovat proteiny podle jejich pohybu, nejen tvaru, čímž otevírají dveře udržitelným vláknům a biologicky odbouratelným alternativám k plastům na bázi ropy.
• Průmyslové enzymy: Navržené enzymy dokážou katalyzovat chemické reakce, které žádný přírodní enzym neprovádí, což potenciálně ekologizuje výrobní procesy.

Výzvy do budoucna

Navzdory rychlému pokroku přetrvávají překážky. Ne každý navržený protein se po syntéze správně složí a míra úspěšnosti – i když se výrazně zlepšila – stále vyžaduje screening více kandidátů. Navrhování proteinů se složitými, vícestupňovými katalytickými funkcemi zůstává obtížnější než navrhování jednoduchých vazebných proteinů. A přeměna laboratorních úspěchů na schválené léky nebo komerční produkty trvá roky bezpečnostního testování a regulačního přezkumu.

Přesto je trajektorie jasná. Vzhledem k tomu, že nástroje umělé inteligence jsou nyní open-source a rychle se zlepšují, Protein Design Archive již do začátku roku 2025 katalogizoval přes 1 500 strukturálně potvrzených návrhů. Vědci již nejsou omezeni na proteiny, které evoluce náhodou vytvořila. Nyní si mohou stavět molekulární stroje na zakázku – jednu aminokyselinu po druhé.