En trio biokemister vid University of Wisconsin–Madison har utvecklat ett system som automatiserar processen att omkonstruera enzymer med hjälp av robotutrustning och en AI-modell. I deras artikel publicerad i tidskriften Nature Chemical Engineering, Jacob Rapp, Bennett Bremer och Philip Romero beskriver sitt system.
Reengineering av enzymer är en process där kemister utsätter ett testenzym för experiment, i hopp om att skapa ett liknande enzym med önskade egenskaper, till exempel att kunna motstå exponering för högre temperaturer än normalt. Den nuvarande processen innebär tidskrävande och monoton screening, och kemister skulle välkomna ett sätt att automatisera processen. I denna nya satsning har forskargruppen gjort just det.
Forskarna använde en anläggning som var värd för robotar som utför kemiexperiment. De lade till en AI-modell som både kunde övervaka experimenten och använda deras resultat som utgångspunkt för nya experiment. Tanken var att låta systemet lära sig när det fungerade. Tyvärr upptäckte teamet att konventionell robotutrustning inte klarade uppgiften – det slutade med att de lade ut den delen av sitt system till ett molnbaserat företag som specialiserat sig på fjärrkemiarbete.
Efter att ha ställt in sitt system och justerat det för att förbättra resultaten, testade forskarna det genom att identifiera en grupp enzymer och sedan uppmana systemet att hitta nya versioner som kunde fortsätta att fungera normalt när de utsätts för högre temperaturer. De gav systemet 20 omgångar för att komma fram till de nytillverkade enzymerna och systemet producerade fyra - var och en kunde fungera i miljöer 12°C högre än normalt.
Forskargruppen drar slutsatsen att deras tillvägagångssätt är genomförbart, även om de noterar att för att det verkligen ska vara användbart måste en ny generation robothårdvara utvecklas för att fullt ut dra nytta av dess möjligheter.
Mer information: Jacob T. Rapp et al, Självkörande laboratorier för att autonomt navigera i proteinfitnesslandskapet, Nature Chemical Engineering (2024). DOI:10.1038/s44286-023-00002-4
© 2024 Science X Network
