AI ska kartlägga proteiner och öka förståelsen för hur celler fungerar

Projektanslag 2022 Naturvetenskap

Artificiell intelligens och djupinlärning blir allt viktigare för kartläggningen av proteinerna i våra celler och hur de interagerar med varandra. I projeket ska forskarna utveckla verktyg för att öka förståelsen hur celler fungerar.

Projektanslag 2022

Projekt:
"Learning the molecular component of the cell"

Huvudsökande:
Professor Arne Elofsson

Medsökande:
KTH
Hossein Azizpour, 
Lukas Käll

Karolinska Institutet
Michael Landreh

Lärosäte:
Stockholms universitet

Beviljat anslag:
30 000 000 kronor under fem år

Forskargruppen, under ledning av Arne Elofsson, professor i bioinformatik vid Stockholms universitet och verksam vid Institutionen för biokemi och biofysik och SciLifeLab, ska studera cellens molekylära komponenter. 

Forskarna ska använda djupinlärningsmetoder för att identifiera alla proteinformer som finns i en cell, samt deras interaktioner med varandra. De 20 000 gener som finns hos oss människor ger upphov till många fler proteinformer genom olika slags modifieringar. Exakt hur många proteinformer som finns och vilka som är viktiga är till stora delar fortfarande okänt. 

– Inom projektet hoppas vi kunna kartlägga de flesta proteininteraktioner som finns i en mänsklig cell. För att uppnå detta kommer vi att behöva utveckla nya metoder baserade på artificiell intelligens och utnyttja ny information från storskaliga experiment. Vi hoppas att projektet kommer att leda till utveckling av nya verktyg som kan användas av alla, samt till en ökad förståelse för hur en cell fungerar, säger Arne Elofsson.

Fri kod satte fart på forskningen

Inom livsvetenskaperna, life sciences, har de senaste decennierna skett en stor omvandling. Från att ha varit ”datafattigt” finns nu stor tillgång på forskningsdata. De senaste åren har det även skett en revolution inom utvecklingen av metoder för djupinlärning som gör det möjligt att använda stora datamängder. 

Genom att kombinera de senaste framstegen inom dessa två områden skapas möjligheter att revolutionera medicinska behandlingar. Redan nu finns exempel på sådana framsteg, främst inom forskningen om att förutsäga proteinstrukturer. Djupinlärningsverktyget AlphaFold från DeepMind är det kanske tydligaste exemplet. Sommaren 2021 publicerades två artiklar om AlphaFold och DeepMind släppte koden fritt till alla forskare. Detta satte i gång en process där hundratals forskare nu har använt koden på olika sätt och resulterat i många vetenskapliga publiceringar. 

Än mer exakta modeller av proteinkomplex 

Forskargruppen har redan använt sig av AlphaFold och utvecklat nya metoder för att studera interaktioner mellan proteiner och förbättrat metoderna för att förutsäga strukturen av stora proteinkomplex. De proteinformer de hoppas identifiera nu ska användas för att bygga än mer exakta modeller av proteinkomplex. För att testa förutsägningar och skapa mer experimentell data kommer de även att använda sig av masspektrometri. Det är en teknik som snabbt kan ge information om hur proteiner veckar sig och interagerar. 

Text Stockholms universitet
Bild Rickard Kihlström/Stockholms universitet