Białka to fundament biologii – budulec i jednocześnie funkcjonalna machina każdej komórki. Ich zadania obejmują niemal wszystkie procesy życiowe: od transportu tlenu i trawienia, po odporność i regenerację tkanek. To właśnie kształt białka – powstały w wyniku zwinięcia łańcucha aminokwasów – decyduje o tym, jaką pełni funkcję. Jeśli struktura zostanie zaburzona, konsekwencją mogą być choroby genetyczne, infekcyjne czy nowotworowe. Dlatego zrozumienie białek to jeden z najważniejszych celów współczesnej biologii i medycyny.
Czytaj też: Polacy odkryli, jak komórki rozpoznają dwuniciowe RNA i decydują, czy wszczynać alarm
Przez dekady dostęp do tych informacji był ograniczony – znaliśmy jedynie ułamek struktur białkowych. Sytuacja zmieniła się radykalnie dzięki rozwojowi sztucznej inteligencji. Algorytmy takie jak AlphaFold, uhonorowany Nagrodą Nobla w dziedzinie chemii w 2024 r., otworzyły nowy rozdział: w ciągu zaledwie dwóch lat liczba znanych struktur białek wzrosła z 200 tysięcy do niemal miliarda.
To właśnie w obliczu tego informacyjnego przełomu powstała nowa platforma opracowana przez naukowców z Sano – Centrum Zindywidualizowanej Medycyny Obliczeniowej oraz Małopolskiego Centrum Biotechnologii Uniwersytetu Jagiellońskiego.
Dr Tomasz Kościołek, współautor pracy i lider zespołu Genomiki Strukturalnej i Funkcjonalnej w Sano, mówi:
W ciągu zaledwie dwóch lat liczba znanych struktur białek wzrosła z 200 tysięcy do niemal miliarda. Naszym celem było nie tylko uporządkowanie tych danych, ale stworzenie narzędzia, które pomoże lepiej zrozumieć biologię białek.
Białka pod lupą sztucznej inteligencji
Platforma integruje trzy największe światowe źródła przewidywanych struktur białkowych: AlphaFold, ESMAtlas oraz Microbiome Immunity Project. Naukowcy wykazali, że dane z różnych źródeł układają się w spójny wzór: białka o podobnych funkcjach mają często podobne struktury i lokalizują się blisko siebie w przestrzeni danych. To zjawisko nazwali „lokalnością funkcji”.
Czytaj też: Skąd się bierze parodontoza? Polacy odkryli nieznany mechanizm zapalny
Do analizy platforma wykorzystuje zaawansowane metody AI, m.in. deepFRI – narzędzie zdolne do przewidywania funkcji białek nawet w przypadku, gdy nie mają one wyraźnych analogii w znanych dotąd sekwencjach. Dzięki temu badacze zidentyfikowali zupełnie nowe warianty białek, m.in. zaangażowane w transport lipidów czy reakcje biochemiczne w ekstremalnych warunkach środowiskowych.
Dr Paweł Szczerbiak z Sano, główny autor pracy, dodaje:
Wierzymy, że nasza platforma przyczyni się do tworzenia lepszych metod diagnostycznych, terapeutycznych, a także pomoże zrozumieć, jak wygląda życie molekularne na poziomie struktur białkowych.
Takie podejście otwiera możliwość przyspieszonego projektowania leków, np. inhibitorów enzymów kluczowych dla rozwoju chorób nowotworowych czy infekcyjnych, a także lepszego rozumienia działania mikrobiomu, czyli „drugiego genomu” człowieka.
Stworzona w Krakowie platforma ma charakter otwarty i interaktywny – każdy naukowiec może wizualnie eksplorować miliardy danych o strukturach białkowych. To nie tylko baza, ale i przestrzeń analityczna, która pozwala intuicyjnie odkrywać zależności między kształtem a funkcją białek.
Możliwości jej zastosowania są szerokie: od badań nad ewolucją białek, przez analizy mikrobiomu, aż po projektowanie nowych leków i terapii personalizowanych. Co więcej, dzięki czytelnym wizualizacjom, narzędzie może wspierać także edukację – pomagając studentom, młodym naukowcom i lekarzom w zrozumieniu złożoności biologii molekularnej.
