Para ilmuwan di Washington State University menggunakan kecerdasan buatan dan simulasi molekuler untuk mengidentifikasi interaksi asam amino krusial dalam protein fusi virus herpes yang diperlukan untuk invasi sel. Ketika mereka merekayasa mutasi di situs ini, virus tidak lagi bisa menyatu dengan atau memasuki sel, menurut studi yang diterbitkan di Nanoscale.
Peneliti dari School of Mechanical and Materials Engineering dan Department of Veterinary Microbiology and Pathology di Washington State University berkolaborasi dalam studi yang menargetkan protein fusi yang digunakan virus herpes untuk memasuki sel. Protein ini mengalami perubahan bentuk kompleks untuk mendorong infeksi, dan pemahaman terbatas tentang dinamikanya telah menyulitkan pengembangan vaksin dan obat.
Untuk menyelidiki masalah tersebut, profesor Jin Liu dan Prashanta Dutta beralih ke kecerdasan buatan dan simulasi molekuler terperinci untuk menganalisis ribuan interaksi potensial di antara asam amino dalam protein fusi, lapor Washington State University. Mereka membangun algoritma untuk memeriksa interaksi ini dan kemudian menerapkan pembelajaran mesin untuk mengidentifikasi yang paling mungkin penting untuk masuknya virus.
"Virus sangat pintar. Seluruh proses invasi sel sangat kompleks, dan ada banyak interaksi. Tidak semua interaksi sama pentingnya—sebagian besar mungkin hanya noise latar belakang, tapi ada beberapa interaksi kritis," kata Liu dalam akun universitas tentang pekerjaan tersebut.
Setelah simulasi menyoroti satu interaksi asam amino kunci, tim beralih ke eksperimen laboratorium yang dipimpin oleh Anthony Nicola di Department of Veterinary Microbiology and Pathology. Dengan memperkenalkan mutasi yang ditargetkan pada asam amino ini, mereka menemukan bahwa virus tidak lagi bisa menyatu dengan sukses dengan sel, secara efektif memblokir virus herpes dari memasuki sel sama sekali, menurut ringkasan studi di ScienceDaily.
Liu mengatakan bahwa penyaringan komputasional secara substansial mempercepat penelitian. Menguji interaksi secara eksperimental satu per satu akan memakan waktu jauh lebih lama, catatnya. "Itu hanya satu interaksi dari ribuan interaksi. Jika kami tidak melakukan simulasi dan sebaliknya melakukan pekerjaan ini dengan coba-coba, itu bisa memakan waktu bertahun-tahun untuk ditemukan. Kombinasi pekerjaan komputasi teoretis dengan eksperimen sangat efisien dan dapat mempercepat penemuan interaksi biologis penting ini," katanya.
Meskipun tim mengonfirmasi pentingnya interaksi spesifik ini untuk fusi dan masuk virus, mereka memperingatkan bahwa banyak pertanyaan tetap ada tentang bagaimana mutasi mengubah struktur tiga dimensi dan gerakan skala besar dari protein fusi lengkap. Peneliti berencana untuk terus menggunakan simulasi dan pembelajaran mesin untuk mengeksplorasi bagaimana perubahan molekuler kecil menyebar di seluruh protein dan untuk mempersempit situs rentan potensial lainnya.
"Ada kesenjangan antara apa yang dilihat oleh eksperimentalis dan apa yang bisa kami lihat dalam simulasi," kata Liu. "Langkah selanjutnya adalah bagaimana interaksi kecil ini memengaruhi perubahan struktural pada skala yang lebih besar. Itu juga sangat menantang bagi kami."
Pekerjaan tersebut, dilakukan oleh Liu, Dutta, Nicola, dan mahasiswa PhD Ryan Odstrcil, Albina Makio, dan McKenna Hull, didanai oleh National Institutes of Health dan dirinci dalam jurnal Nanoscale dengan judul Modulasi interaksi spesifik dalam protein fusi virus yang diprediksi dari pembelajaran mesin memblokir fusi membran.
Menurut Washington State University, pendekatan yang dipandu AI ini dapat memberi informasi pada strategi antiviral masa depan dengan membantu ilmuwan mengidentifikasi dan mengganggu 'saklar' molekuler spesifik dalam protein virus yang esensial untuk infeksi.
