AI a tajomstvá vošiek

Umelá inteligencia môže vedcom pomôcť pri riešení zložitých biologických hádaniek, no aj pokročilé systémy majú svoje limity, ak sú dostupné informácie neúplné. Nedávna štúdia proteínov vošiek ukazuje, ako možno kombináciou výpočtových predpovedí a genetických dôkazov prekonať náročný výskumný problém.

Vedci zistili, že tisíce rýchlo sa meniacich proteínov zdieľajú spoločný štrukturálny základ, čo poskytuje nové poznatky o tom, ako tento drobný hmyz ovplyvňuje vývoj rastlín.

Odhalenie skrytej rodiny proteínov

Vošky môžu ovplyvniť vývoj určitých rastlín zavedením špecializovaných proteínov do ich tkanív. V niektorých prípadoch tento proces spôsobuje, že rastliny vytvárajú štruktúry nazývané hálky, ktoré poskytujú miesto pre život hmyzu a kŕmenie ich potomstva.

Vedci študujú skupinu týchto molekúl známych ako proteíny BICYCLE. Ich názov odkazuje na opakujúci sa vzor zahŕňajúci aminokyselinu cysteín. Hoci výskumníci proteíny identifikovali, pochopenie ich úloh zostalo ťažké, pretože ich genetické sekvencie sa podstatne líšili od známych proteínov zaznamenaných vo vedeckých databázach.

Vedci zvyčajne porovnávajú aminokyselinovú sekvenciu neznámeho proteínu s predtým študovanými príkladmi. Podobnosti môžu poskytnúť vodítka o jeho tvare a biologickej funkcii. Tento prístup však bol menej účinný pre proteíny BICYCLE, pretože sa počas evolučného času tak výrazne zmenili.

Prečo predpoveď umelej inteligencie zlyhala

Na preskúmanie výskumný tím spolupracoval so štrukturálnymi biológmi na určení fyzikálneho usporiadania dvoch proteínov BICYCLE pomocou röntgenovej kryštalografie. Táto laboratórna technika pomáha vedcom zistiť, ako sú atómy organizované v molekule. Výsledné štruktúry poskytli dôležitý podklad pre testovanie AlphaFold2, systému umelej inteligencie navrhnutého na predpovedanie tvarov bielkovín z ich aminokyselinových sekvencií.

AlphaFold2 spočiatku nedokázal reprodukovať experimentálne určené štruktúry. Problém nebol len v nedostatku výpočtového výkonu. Systém sa na zlepšenie svojich predpovedí spolieha aj na evolučné informácie vrátane vzorcov zdieľaných príbuznými proteínmi. Keďže proteíny BICYCLE boli také nezvyčajné, dostupné databázy neposkytovali dostatok užitočných porovnaní. Umelej inteligencii preto chýbal dôležitý zdroj biologického kontextu.

Evolúcia dodáva chýbajúce indície

Výskumníci sa zaoberali problémom zhromažďovaním dodatočných genetických informácií z rôznych druhov vošiek. Ich práca zahŕňala odber vzoriek z terénu v Spojených štátoch a Japonsku, po ktorom nasledovalo sekvenovanie genómu s cieľom odhaliť vzťahy medzi proteínmi.

Tieto porovnania poskytli evolučné dôkazy, ktoré v pôvodnej analýze chýbali. S dostupnými dodatočnými informáciami AlphaFold2 úspešne predpovedal štruktúru zodpovedajúcu tej, ktorá bola stanovená kryštalografiou. Tím potom rozšíril tento prístup na sedem druhov vošiek, čím vygeneroval približne 2 400 vysoko spoľahlivých štrukturálnych predpovedí.

Z výsledkov vyplynul konzistentný znak: proteíny zdieľali štrukturálne usporiadanie známe ako sapozínovu štruktúru. Jednoducho povedané, zdalo sa, že sa riadia spoločným trojrozmerným plánom, aj keď sa ich jednotlivé sekvencie značne zmenili. Zistenie odhalilo súvislosť, ktorú konvenčné porovnávania sekvencií len ťažko identifikovali.

Jedna štruktúra, mnoho možných funkcií

Zdieľanie štrukturálneho základu nemusí nevyhnutne znamenať, že proteíny vykonávajú rovnaké úlohy. Výskumníci zistili značné rozdiely v chemických vlastnostiach vonkajších povrchov proteínov. Niektoré oblasti sa líšili v elektrických charakteristikách a interakciách s vodou. Pokusy o rozdelenie proteínov do jasne definovaných skupín na základe týchto vlastností boli neúspešné.

Táto rozmanitosť naznačuje, že proteíny BICYCLE môžu interagovať s molekulami rastlín mnohými rôznymi spôsobmi. Namiesto toho, aby sa spoliehali na jeden špecifický mechanizmus, proteíny by mohli ovplyvňovať niekoľko biologických procesov vo vnútri rastlinných buniek. Výskumníci tiež navrhli, že rýchly vývoj proteínov môže pomôcť voškám udržiavať tieto interakcie a zároveň sťažiť rastlinám rozpoznanie ich molekúl. Presné funkcie jednotlivých proteínov si však stále vyžadujú ďalšie skúmanie.

Čo tento objav znamená pre budúci výskum

Štúdia, publikovaná v časopise Proceedings of the National Academy of Sciences v septembri 2026, ponúka užitočný prístup k skúmaniu proteínov, ktoré sa zmenili príliš na to, aby ich konvenčné porovnávacie metódy ľahko rozpoznali. Jej význam presahuje rámec vošiek.

Aj iné biologické systémy obsahujú rýchlo sa vyvíjajúce proteíny, ktoré je stále ťažké charakterizovať. Kombinácia laboratórnych meraní, genetického sekvenovania, evolučnej analýzy a predpovedí umelej inteligencie môže pomôcť výskumníkom efektívnejšie skúmať tieto molekuly. Predpovedané štruktúry však nenahrádzajú experimentálne dôkazy.

Výskum ukazuje, že umelá inteligencia sa môže stať efektívnejšou, keď výskumníci poskytnú správny biologický kontext. Kombináciou experimentálne určených štruktúr s genetickými informáciami z viacerých druhov vošiek tím odhalil spoločný plán skrytý pod rozsiahlou variabilitou proteínov.

Ďalšou výzvou je určiť, ako tieto molekuly ovplyvňujú rastlinné bunky a či ich rozmanité štruktúry zodpovedajú rôznym biologickým úlohám. S pokračujúcim výskumom môže štúdia pomôcť vedcom lepšie pochopiť komplexné interakcie rastlín a zároveň demonštrovať, ako môžu evolučné poznatky posilniť objavy s pomocou umelej inteligencie.