Automatiseret laboratoriesystem bruger robotudstyr rettet af AI til at omkonstruere enzymer

En trio af biokemikere ved University of Wisconsin-Madison har udviklet et system, der automatiserer processen med at ombygge enzymer ved hjælp af robotudstyr og en AI-model. I deres papir offentliggjort i tidsskriftet Nature Chemical Engineering, Jacob Rapp, Bennett Bremer og Philip Romero beskriver deres system.

Reengineering af enzymer er en proces, hvor kemikere udsætter et testenzym for eksperimenter i håb om at skabe et lignende enzym med ønskede egenskaber, for eksempel at kunne modstå udsættelse for højere end normale temperaturer. Den nuværende proces indebærer tidskrævende og monoton screening, og kemikere vil gerne have en måde at automatisere processen på. I denne nye indsats har forskerholdet gjort netop det.

Forskerne brugte en facilitet, der var vært for robotter, der udfører kemieksperimenter. De tilføjede en AI-model, der både var i stand til at overvåge eksperimenterne og bruge deres resultater som udgangspunkt for nye eksperimenter. Tanken var at lade systemet lære, mens det fungerede. Desværre fandt holdet ud af, at konventionelt robotudstyr ikke var op til opgaven – de endte med at udbyde den del af deres system til en sky-baseret virksomhed, der specialiserer sig i fjerntliggende kemiarbejde.

Efter at have konfigureret deres system og justeret det for at forbedre resultaterne, testede forskerne det ved at identificere en gruppe enzymer og derefter få systemet til at finde nye versioner, der kunne fortsætte med at fungere normalt, når de udsættes for højere temperaturer. De gav systemet 20 runder for at komme med de nyudviklede enzymer, og systemet producerede fire - hver i stand til at fungere i miljøer 12°C højere end normalt.

Forskerholdet konkluderer, at deres tilgang er levedygtig, selvom de bemærker, at for at den virkelig skal være nyttig, skal en ny generation af robothardware udvikles for fuldt ud at udnytte dens muligheder.

Flere oplysninger: Jacob T. Rapp et al., Selvkørende laboratorier til autonomt at navigere i proteinfitness-landskabet, Nature Chemical Engineering (2024). DOI:10.1038/s44286-023-00002-4

© 2024 Science X Network