Похожая по смыслу работа была прошлой осенью, кстати, опубликована в журнале Nature Biotechnology, только здесь речь идёт не об антителах, а о ферментах — транспозазах PiggyBac, используемых для вставки генов в геном. Группа исследователей из Испании провела масштабное исследование более 30 тысяч геномов эукариот и обнаружила более 273 000 последовательностей PiggyBac.

После строгой фильтрации они получили более 110 тысяч потенциально активных элементов, сгруппированных в 13 тысяч субсемейства, что расширило известное разнообразие транспозаз на два порядка величины. Из этого разнообразия авторы отобрали 23 кандидата и экспериментально подтвердили активность девяти из них, причём два из них по эффективности не уступали лабораторно-эволюционированному гипер-активному варианту HyPB.

Затем исследователи использовали языковую модель ProGen2, дообучив её на 13 000 биопроспектированных последовательностях, и сгенерировали более 100 000 синтетических вариантов транспозазы. Они отобрали 22 последовательности для экспериментов, и семь из них показали значительно более высокую активность вырезания, чем HyPB. Лучший вариант, названный Mega-PiggyBac, продемонстрировал рекордную активность как по вырезанию, так и по интеграции ДНК в геном клеток. Авторы также показали, что их ИИ-спроектированные транспозазы эффективно работают в первичных Т-клетках человека и совместимы с системой направленной интеграции FiCAT, что критически важно для CAR-T-терапии.

Интересно, что один из вариантов (seq136) показал высокую интеграцию при низком вырезании, что свидетельствует о способности ИИ оптимизировать разные свойства фермента независимо.

Другими словами сочетание масштабного биопроспектинга и современных языковых моделей позволяет не только находить, но и существенно улучшать природные ферменты, причём для успеха не нужны гигантские ресурсы – достаточно хороших данных и умных алгоритмов.