Foto: Københavns Universitet
Forskerne Nikos Hatzakis Lektor ved Kemisk Institut og Nano-Science Center på Københavns Universitet har sammen med ph.d.-studerende Henrik Pinholt og lektor Wouter Boomsma fra Datalogisk Institut på Københavns Universitet skabt et kunstig intelligens-værktøj, som hurtigt og præcist kan lave et bevægelsesmæssigt fingeraftryk og udpege mistænkelige eller særligt talentfulde proteiner i vores kroppe alene ud fra deres bevægelser.
Når politiet skal udpege personer med mistænkelig adfærd, er der mange ting i spil. Det samme gælder, når biokemikere skal udpege proteiner, der opfører sig mistænkeligt i mikroskopet. Proteiners bevægelser kontrollerer ofte afgørende processer i vores kroppe og ved behandling af sygdomme. Det kan være proteiner, der bevæger sig langsommere, når de fremkalder kræft, proteiner, som er gode til at dræbe bakterier, eller proteiner, som transporterer lægemidler gennem vores tarmsystem. Men deres bevægelser er enormt svære at tolke på, og hidtil har man skulle sidde og observere hver enkelt bevægelse hos proteinet og derefter pløje gamle modeller og teorier igennem. Det er tidskrævende og giver risiko for fejl.
Ved brug af kunstig intelligens kan vi nu automatisk udpege både ”slyngler” og ”vidunderbørn” blandt de molekyler, der styrter rundt i vores celler – alene ud fra deres bevægelsesmønster. Vores algoritme tracker bevægelserne og laver en karakteristik, som gør, at vi med stor nøjagtighed kan forudsige, hvad proteinet er godt eller slemt til. Vi kalder det et bevægelsesmæssigt fingeraftryk.
Ved brug af kunstig intelligens kan vi nu automatisk udpege både ”slyngler” og ”vidunderbørn” blandt de molekyler, der styrter rundt i vores celler – alene ud fra deres bevægelsesmønster. Vores algoritme tracker bevægelserne og laver en karakteristik, som gør, at vi med stor nøjagtighed kan forudsige, hvad proteinet er godt eller slemt til. Vi kalder det et bevægelsesmæssigt fingeraftryk.
Maskinlærings-algoritme bliver fodret med mikropskopi-billeder af proteinets bevægelser, som den automatisk klassificerer på baggrund af 17 forskellige egenskaber. For eksempel hvor hurtigt det bevæger sig, hvilke ”gangarter” det har, og hvorvidt det går i en specifik retning. Når algoritmen er trænet, kan den sammenligne proteinernes karakteristikker med hinanden og dermed forudsige deres adfærd med over 90 procent nøjagtighed. I princippet kan dette være starten til en stor database med bevægelsesmønstrene bag behandlinger af en bred vifte af sygdomme.
Videnskaben har en stor interesse i at vide, om et protein arbejder effektivt, om det får kræft til at opstå, eller om såkaldte nanocarriers kan fragte medicin de rigtige steder hen i kroppen. Det kan vi nu forudsige på få sekunder. Hvis en virus trænger ind i din krop, er der flere veje den kan komme ind i cellerne ad. At identificere den indgang, der bliver brugt af forskellige vira, tager måneder med de metoder, man har haft hidtil. Vores håb er, at metoden kan bruges til hurtigt at finde den rette indgang og så blokere den, så virussen ikke kan slippe ind.
Forskningen er sket i samarbejde med lektor Wouter Boomsma fra Datalogisk Institut, som har hjulpet med at udvikle algoritmen bag metoden. Algoritmen er tilgængelig som open source-kode, der frit kan downloades af alle.