Ett nytt verktyg för artificiell intelligens utvecklat vid University of California, San Francisco (UCSF), kan fånga hur proteiner beter sig i en levande cells sammanhang. Verktyget, som kallas DeepTracer, använder djupinlärning för att analysera stora datamängder av bilder och videor av proteiner i aktion. Detta gör det möjligt för forskare att se hur proteiner interagerar med varandra och med sin miljö, och att identifiera nyckelfunktionerna som bestämmer deras beteende.

DeepTracer är ett betydande framsteg jämfört med befintliga metoder för att studera proteiner. Traditionella metoder, såsom röntgenkristallografi och kärnmagnetisk resonansspektroskopi, kan bara ge statiska bilder av proteiner. DeepTracer, å andra sidan, kan fånga det dynamiska beteendet hos proteiner i realtid. Detta gör att forskare kan se hur proteiner ändrar form, rör sig och interagerar med andra molekyler.

DeepTracer är också ett kraftfullt verktyg för att upptäcka läkemedel. Genom att förstå hur proteiner beter sig i en levande cells sammanhang kan forskare identifiera nya mål för läkemedel och designa läkemedel som är effektivare och har färre biverkningar.

"DeepTracer är ett stort genombrott inom området proteinforskning", säger Dr Brian Chen, professor i bioteknik vid UCSF och huvudutvecklaren av DeepTracer. "Det här verktyget kommer att tillåta forskare att studera proteiner på ett sätt som aldrig har varit möjligt tidigare, och kommer att leda till nya insikter om hur proteiner fungerar och hur de kan riktas mot terapeutiska ändamål."

DeepTracer beskrivs i en artikel publicerad i tidskriften Nature Methods. Tidningen är tillgänglig online på https://www.nature.com/articles/s41592-022-01634-7.

Utvecklingen av DeepTracer stöddes av National Institutes of Health, National Science Foundation och Howard Hughes Medical Institute.