OpenAI og Retro Biosciences opnår gennembrud i stamcelleforskning med kunstig intelligens
OpenAI har i samarbejde med biotek-startuppen Retro Biosciences opnået et markant gennembrud inden for stamcelleforskning ved hjælp af en specialudviklet AI-model. Forskerne har redesignet centrale proteiner, der kan øge effektiviteten af stamcelleprogrammering med mere end 50 gange.
Skræddersyet AI-model til proteindesign
Til projektet udviklede OpenAI en miniatureversion af GPT-4o kaldet GPT-4b micro, som er specialiseret i proteindesign. Modellen blev trænet på et omfattende datasæt bestående primært af proteinsekvenser, biologisk tekst og 3D-strukturdata – elementer som de fleste proteinsprogmodeller udelader.
Det særlige ved GPT-4b micro er dens evne til at håndtere kontekstlængder på op til 64.000 tokens, hvilket er hidtil uset for proteinsekvensmodeller. Dette gør det muligt at arbejde med komplekse proteiner, herunder dem med ustrukturerede regioner.
Forbedring af Yamanaka-faktorerne
Forskerne fokuserede på at redesigne Yamanaka-faktorerne – en gruppe proteiner, der i 2012 gav den japanske forsker Shinya Yamanaka Nobelprisen i medicin for deres evne til at omprogrammere voksne celler til pluripotente stamceller.
Udfordringen med de oprindelige Yamanaka-faktorer er deres lave effektivitet: Typisk konverteres mindre end 0,1% af cellerne under behandling, og processen kan tage tre uger eller mere.
Imponerende resultater i laboratoriet
Ved hjælp af GPT-4b micro genererede forskerne nye varianter af proteinerne SOX2 og KLF4. Resultaterne var bemærkelsesværdige:
- Over 30% af modellens forslag til SOX2-varianter (kaldet RetroSOX) præsterede bedre end den naturlige version
- For KLF4-varianter (RetroKLF) var succesraten næsten 50%
- De redesignede proteiner adskilte sig med mere end 100 aminosyrer i gennemsnit fra de oprindelige
Når de bedste RetroSOX- og RetroKLF-varianter blev kombineret, viste eksperimenter en dramatisk stigning i både tidlige og sene stamcellemarkører, som desuden dukkede op flere dage tidligere end ved brug af de oprindelige proteiner.
Forbedret DNA-reparation
Udover den øgede effektivitet i stamcelleprogrammering viste de redesignede varianter også forbedrede evner til at reparere DNA-skader – et centralt kendetegn ved cellulær aldring. Dette indikerer et højere foryngelsespotentiale sammenlignet med de oprindelige Yamanaka-faktorer.
Bred anvendelighed bekræftet
Forskerne validerede resultaterne ved at teste forskellige leveringsmetoder og celletyper, herunder celler fra ældre donorer over 50 år. Inden for blot syv dage begyndte mere end 30% af cellerne at udtrykke centrale pluripotensmarkører, og efter 12 dage fremkom talrige kolonier med morfologi svarende til typiske stamceller.
De afledte stamcellelinjer viste sund kromosomstruktur og genomisk stabilitet egnet til celleterapi, hvilket understreger robustheden af de redesignede varianter.
Fremtidsperspektiver
“Dette arbejde illustrerer, hvor hurtigt en domænespecifik model kan levere banebrydende resultater på et fokuseret videnskabeligt problem,” siger Boris Power, der leder forskningspartnerskaber hos OpenAI.
Resultaterne demonstrerer AI’s potentiale til at accelerere udviklingen inden for biovidenskab og regenerativ medicin, med potentielle anvendelser i behandling af blindhed, diabetes, infertilitet og organmangel.
OpenAI og Retro Biosciences deler nu deres forskningsindsigter for at gøre resultaterne tilgængelige og reproducerbare for hele biovidenskabsindustrien.
