עיצוב ושיפור חלבונים פונקציונליים באמצעות חיזוק אונטולוגי איטרטיבי

לימוד מחשבים לבנות חלבונים טובים יותר

חלבונים מבצעים כמעט את כל העבודה בתוך תאים חיים, מפירוק מזון ועד התמודדות עם זיהומים. מדענים שואפים לעצב חלבונים חדשים לפי דרישה — למשל אנזימים עמידים יותר לתעשייה או כלים רפואיים משופרים — אבל המרה של רעיונות ממחשב למולקולות עובדות עדיין מאתגרת. במחקר זה מוצגת מערכת חדשה בשם ORI שמחברת בינה מלאכותית ישירות לניסויים במעבדה, במטרה להפוך את עיצוב החלבונים למהיר יותר, אמין יותר וקל לשליטה.

מדוע עיצוב חלבונים כה קשה

כל חלבון בנוי משרשרת ארוכה של חומצות אמינו, ושינויים זעירים בשרשרת הזו יכולים לשנות באופן דרמטי כיצד המולקולה מתקפלת ומתנהגת. כלים מודרניים של בינה מלאכותית יכולים לחזות צורות חלבון ואפילו לייצר רצפים חדשים, אך יש פער עיקש בין מה שנראה טוב במחשב לבין מה שעובד במבחנה. רבים מהעיצובים נכשלים כי הם לא יציבים, לא מתקפלים כראוי או חסרים פעילות רצויה, מה שמאלץ חוקרים להישען על ניסוי וטעייה איטיים.

לולאת משוב סגורה בין מחשב למעבדה

מסגרת ORI מתמודדת עם הבעיה על ידי יצירת לולאת משוב בין מודלים של בינה מלאכותית לניסויים אמיתיים

למידה ממשוב ניסויי

מה שמייחד את ORI הוא שלא עוצר רק בניבוי; המערכת לומדת מהצלחות הכישלונות במעבדה. עיצובים נבחרים מסונתזים ונבדקים מבחינת רמת הבעת החלבון, פעילותם וכיצד הם מתנהגים תחת עומס. תוצאות אלו מוחזרות לבינה המלאכותית באמצעות אסטרטגיה המותאמת מהרעיונות של למידה חיזוקית, מה שמאפשר למערכת בהדרגה להעדיף תבניות רצף שמופיעות היטב במציאות ולא רק על הנייר. על פני סבבים מרובים, הבינה הופכת למדויקת יותר בהצעת מועמדים ששרדו את מבחני העולם האמיתי

בניית אנזימים חזקים יותר, עמידים לחום ובעלי פונקציה כפולה

כדי להדגים את יכולות ORI, המחברים יישמו אותה על מספר אתגרי עיצוב אנזימים. עבור ליזוזימים, שפירקים דפנות של חיידקים, המערכת ייצרה וריאנטים רבים ולאחר למידה ממשוב ניסויי הפיקה גרסאות עם פעילות גבוהה בהרבה מזו של ליזוזימים טבעיים, כולל אחת שהייתה בערך מאה פעמים פעילה יותר מסטנדרט ייחוס. ORI שימשה גם לעיצוב חיטינאזות, אנזימים שמעכלים חיטין המצוי בלוכסנים של חרקים ובפטריות. בהכוונת המודל לתכונות עמידות בחום, הקבוצה יצרה חיטינאזות שנשארו פעילות בטמפרטורות סביב 85 מעלות צלזיוס — הרבה מעבר למה שגרסאות טבעיות רבות יכולות לעמוד בו. לבסוף, המערכת הנדסה חלבונים יחידים שמשלבים גם פעילות ליזוזים וגם חיטינאז, וחלק מהאנזימים רב־התכליתיים הללו עלו על המקבילות הטבעיות המיועדות בשני המטלות.

דרך חדשה לחקור את אפשרויות החלבונים

עבור לא־מומחים, הרעיון המרכזי הוא ש‑ORI הופכת את עיצוב החלבונים לשיחה מתמשכת בין מודלים ממוחשבים ולבין המעבדה הרטובה, במקום לניבוי חד־פעמי. המערכת משתמשת בידע מובנה על סוגי חלבונים ותכונותיהם כדי לכוון את היצירתיות שלה, והיא מקשיבה בקפידה למה שאומרים הניסויים על כל עיצוב חדש. על ידי חזרה על התהליך הזה, ORI לא רק יכולה להשוות לחלבונים טבעיים אלא לעיתים אף לעלות עליהם בחוזק, בעמידות לחום או בגמישות השימוש. זה מרמז על עתיד שבו חלבונים מותאמים לרפואה, לתעשייה ולשימושים סביבתיים יפותחו ביעילות רבה יותר ובביטחון גדול יותר.

ציטוט: He, B., Qin, C., Zhao, Y. et al. Functional protein design and enhancement with ontology reinforcement iteration. Nat Commun 17, 4158 (2026). https://doi.org/10.1038/s41467-026-69855-6

מילות מפתח: הנדסת חלבונים, עיצוב אנזימים, בינה מלאכותית, אנזימים עמידים לחום, חלבונים רב־תכליתיים