Skryté bílkoviny

Umělá inteligence může vědcům pomáhat řešit složité biologické záhady, ale i pokročilé systémy mají své limity, pokud jsou dostupné informace neúplné.

Nedávná studie bílkovin mšic ukazuje, jak lze kombinací výpočetních předpovědí a genetických důkazů překonat náročný výzkumný problém.

Vědci zjistili, že tisíce rychle se měnících bílkovin sdílejí společný strukturální základ, který přináší nové poznatky o tom, jak tento drobný hmyz ovlivňuje vývoj rostlin.

Odhalení skryté rodiny bílkovin

Mšice mohou ovlivňovat vývoj některých rostlin tím, že do jejich tkání vnášejí specializované bílkoviny. V některých případech tento proces způsobuje, že rostliny vytvářejí útvary nazývané hálky, které hmyzu poskytují místo k životu a odchovu potomstva.

Vědci zkoumají skupinu těchto molekul známou jako bílkoviny BICYCLE. Jejich název odkazuje na opakující se vzorec zahrnující aminokyselinu cystein. Přestože vědci tyto bílkoviny identifikovali, pochopení jejich funkcí zůstávalo obtížné, protože jejich genetické sekvence se výrazně lišily od sekvencí známých bílkovin zaznamenaných ve vědeckých databázích.

Výzkumníci obvykle porovnávají aminokyselinovou sekvenci neznámé bílkoviny s dříve studovanými příklady. Podobnosti mohou napovědět, jaký má bílkovina tvar a jakou biologickou funkci plní. Tento přístup však byl u bílkovin BICYCLE méně účinný, protože se v průběhu evoluce výrazně změnily.

Proč předpověď umělé inteligence selhala

Výzkumný tým spolupracoval se strukturními biology, aby pomocí rentgenové krystalografie určil prostorové uspořádání dvou bílkovin BICYCLE. Tato laboratorní metoda pomáhá vědcům zjistit, jak jsou atomy uspořádány v molekule. Získané struktury poskytly důležitý referenční základ pro testování systému AlphaFold2, který využívá umělou inteligenci k předpovídání tvarů bílkovin na základě jejich aminokyselinových sekvencí.

Zpočátku se systému AlphaFold2 nepodařilo reprodukovat struktury určené experimentálně. Problém nespočíval pouze v nedostatku výpočetního výkonu. Systém využívá také evoluční informace, včetně vzorců sdílených příbuznými bílkovinami, aby zlepšil své předpovědi. Protože byly bílkoviny BICYCLE velmi neobvyklé, dostupné databáze neposkytovaly dostatek užitečných srovnání. Umělé inteligenci tak chyběl důležitý zdroj biologických souvislostí.

Evoluce přináší chybějící vodítka

Výzkumníci tento problém řešili shromažďováním dalších genetických informací z různých druhů mšic. Jejich práce zahrnovala terénní odběry vzorků ve Spojených státech a Japonsku, po nichž následovalo sekvenování genomů, které odhalilo vzájemné vztahy mezi bílkovinami.

Tato srovnání poskytla evoluční důkazy, které v původní analýze chyběly. Díky doplněným informacím systém AlphaFold2 úspěšně předpověděl strukturu odpovídající té, která byla určena krystalograficky. Tým poté rozšířil tento přístup na sedm druhů mšic a vytvořil přibližně 2 400 strukturních předpovědí s vysokou mírou spolehlivosti.

Výsledky odhalily společný rys: bílkoviny sdílely strukturní uspořádání známé jako saposinový záhyb. Jednoduše řečeno, zdálo se, že se řídí společnou trojrozměrnou předlohou, přestože se jejich jednotlivé sekvence výrazně změnily. Tento objev odhalil souvislost, kterou se běžným porovnáváním sekvencí nedařilo rozpoznat.

Jedna struktura, mnoho možných funkcí

Sdílení společného strukturního základu nutně neznamená, že bílkoviny plní totožné úkoly. Výzkumníci zjistili značné rozdíly v chemických vlastnostech vnějších povrchů těchto bílkovin. Některé oblasti se lišily svými elektrickými vlastnostmi i interakcemi s vodou. Pokusy rozdělit bílkoviny do jasně vymezených skupin na základě těchto vlastností nebyly úspěšné.

Tato rozmanitost naznačuje, že bílkoviny BICYCLE mohou různými způsoby interagovat s molekulami rostlin. Místo spoléhání na jediný konkrétní mechanismus by mohly ovlivňovat několik biologických procesů uvnitř rostlinných buněk. Výzkumníci také navrhli, že rychlý vývoj bílkovin může mšicím pomáhat udržovat tyto interakce a současně ztěžovat rostlinám rozpoznávání jejich molekul. Přesné funkce jednotlivých bílkovin však vyžadují další výzkum.

Co tento objev znamená pro budoucí výzkum

Studie publikovaná v časopise Proceedings of the National Academy of Sciences v září 2026 nabízí užitečný přístup ke zkoumání bílkovin, které se změnily natolik, že je běžné metody porovnávání nedokážou snadno rozpoznat. Její význam přesahuje samotné mšice.

Také jiné biologické systémy obsahují rychle se vyvíjející bílkoviny, jejichž vlastnosti se stále nedaří dostatečně objasnit. Kombinace laboratorních měření, genetického sekvenování, evoluční analýzy a předpovědí umělé inteligence může výzkumníkům pomoci tyto molekuly zkoumat účinněji.

Předpovězené struktury však nemohou nahradit experimentální důkazy. Výzkum ukazuje, že umělá inteligence může být účinnější, pokud jí vědci poskytnou správné biologické souvislosti.

Kombinací experimentálně určených struktur s genetickými informacemi z několika druhů mšic tým odhalil společnou předlohu skrytou pod rozsáhlou rozmanitostí bílkovin.

Dalším úkolem je zjistit, jak tyto molekuly ovlivňují rostlinné buňky a zda jejich rozmanité struktury odpovídají různým biologickým funkcím. Pokračující výzkum může vědcům pomoci lépe porozumět složitým interakcím mezi rostlinami a zároveň ukázat, jak mohou evoluční poznatky posílit objevy podporované umělou inteligencí.