Vědcům z Washingtonské univerzity v Seattlu se podařilo pomocí generativní AI navrhnout zcela nové protilátky. Konvenční design protilátek využívá tzv. přístupů s brutální silou, které zahrnují imunizaci zvířat a screening obrovského množství molekul. Tým výzkumníků proto modifikoval svůj vloni publikovaný AI nástroj pro design proteinů RFdiffusion a vytrénoval jeho neuronovou síť na tisících experimentálně stanovených struktur protilátek připojených na své cílové molekuly. Tímto způsobem se jim podařilo navrhnout velké množství různých protilátek, jež poté připravili a otestovali v laboratoři.
Cesta ke klinickému využití je však ještě dlouhá – funkční totiž byla přibližně 1 ze 100 navržených protilátek, navíc se k cílové struktuře nevázaly nijak zvlášť silně. Studii, která zatím neprošla recenzním řízením, se nicméně podařilo prokázat, že design protilátek pomocí AI je principiálně možný.
Zdroje:
1. Bennett N. R., Watson J. L., Ragotte R. J. et al. Atomically accurate de novo design of single-domain antibodies. bioRxiv 2024.03.14.585103, doi: 10.1101/2024.03.14.585103.
2. Callaway E. ‘A landmark moment’: scientists use AI to design antibodies from scratch. Nature News 2024 Mar 19. Dostupné na: www.nature.com/articles/d41586-024-00846-7
Tým vedený výzkumníky ze společnosti Google vyvinul s využitím technik strojového učení nástroj, který je schopen detekovat a monitorovat zdravotní stav na základě zvuků vydávaných při kašlání či dýchání. Systém trénovaný na milionech krátkých zvukových stop by lékaři možná jednoho dne mohli využívat pro diagnostiku tuberkulózy či COVID-19.
Autoři zvolili pro trénování svého modelu unikátní přístup – prvotní sada dat byla tvořena více než 300 miliony krátkých výstřižků kašlání, dýchání, chrchlání a jiných lidských zvuků volně dostupných ve videích na platformě YouTube. Data nebyla nijak označena a algoritmus využíval tzv. vlastní dohled nad svým učením (self-supervised learning) v systému podobném, jakým se učila např. ChatGPT. Tento způsob dal nástroji HeAR (Health Acoustic Representations) opravdu široký základ, takže mu pro přesné vyladění nyní stačí relativně malá sada reprezentativních vzorků kašle či jiného zvukového projevu souvisejícího s daným onemocněním.
Zdroje:
1. Baur S., Nabulsi Z., Weng W. H. et al. HeAR – Health Acoustic Representations. arXiv 2024 Mar 04: 2403.02522, doi: 10.48550/arXiv.2403.02522.
2. Lenharo M. Google AI could soon use a person’s cough to diagnose disease. Nature News 2024 Mar 21. Dostupné na: www.nature.com/articles/d41586-024-00869-0
Tekutý chléb, nejoblíbenější nápoj nejen v Česku, je dostupný v mnoha různých chutích a barvách. Zkušení pivaři dokáží s rozkoší celé hodiny diskutovat o plnosti chuti, hořkosti, řízu, způsobu čepování nebo čistotě trubek u jistého hostinského. I když existuje tolik různých piv, že to „své“ si najde úplně každý, jeho producentům se přesto občas nedaří naplnit specifické potřeby svých zákazníků. Pomoci se jim nyní proto rozhodl tým belgických vědců s využitím moderních technologií.
Autoři citované práce identifikovali více než 200 různých chemických látek, jež jsou aktivními nosiči chuti ve 250 různých komerčně dostupných pivech celkem 22 typů. Svá data porovnali s názory profesionálních ochutnávačů a hodnocením zákazníků. Ke každé látce pak přiřadili různé smyslové charakteristiky, jako je sladkost, kyselost či plnost chuti. S použitím těchto parametrů následně vytrénovali model strojového učení, aby předpovídal, jaké chemické profily budou zákazníkům nejvíce chutnat. Výzkumníci potom upravili recepturu existujících piv (jak alkoholických, tak nealkoholických) a prezentovali tyto nápoje panelu expertů, kterým se konzistentně jevily jako sladší, plnější a celkově chutnější než původní receptura.
Zdroj: Schreurs M., Piampongsant S., Roncoroni M. et al. Predicting and improving complex beer flavor through machine learning. Nat Commun 2024 Mar 26; 15 (1): 2368, doi: 10.1038/s41467-024-46346-0.
Strach našemu druhu pomáhá přežít. Děsivé události ale mohou zanechat v mozku stopy, kvůli nimž cítíme úzkost, i když nebezpečí dávno pominulo. Nyní jsme o krok blíže pochopení mechanismu biochemických změn, které vedou k tzv. generalizované úzkosti.
Tým neurovědců z univerzity v kalifornském La Jolla zkoumal na myším modelu, jaké změny v mozku nastanou poté, co se zvíře cítilo opravdu ohroženo. Objevili, že specifické neurony v nucleus raphe dorsalis po takovém zážitku začnou namísto obvyklého aktivátoru glutamátu vylučovat tlumivý neurotransmiter − kyselinu γ-aminomáselnou (GABA). Pokud byl ovšem myším injekčně aplikován inhibitor tvorby GABA, nevyvinula se u nich po vystavení extrémnímu stresu generalizovaná úzkost.
Mimochodem, podobné změny ve složení neurotransmiterů byly post mortem nalezeny i v odpovídající části mozku osob trpících posttraumatickou stresovou poruchou. Tento objev tak možná otevírá cestu k novým intervencím, které by v budoucnu mohly proces generalizace strachu zvrátit.
Zdroje:
1. Li H. Q., Jiang W., Ling L. et al. Generalized fear after acute stress is caused by change in neuronal cotransmitter identity. Science 2024 Mar 14; 383 (6688): 1252–1259, doi: 10.1126/science.adj5996.
2. Hen R., Schacher S. Switching on generalized fear. Science 2024 Mar 14; 383 (6688): 1180–1181, doi: 10.1126/science.ado3464.
(este)
