Karena kedua toksisitas ini bekerja melalui mekanisme yang sangat berbeda, para peneliti menanganinya secara terpisah.
Memblokir racun saraf
Protein tiga jari neurotoksik adalah subkelompok dari keluarga protein yang lebih besar yang mengkhususkan diri dalam mengikat dan memblokir reseptor asetilkolin, suatu neurotransmitter utama. Struktur tiga dimensi mereka, yang merupakan kunci kemampuan mereka untuk mengikat reseptor-reseptor ini, didasarkan pada tiga rangkaian asam amino dalam protein yang saling menempel (bagi mereka yang telah mengambil kelas biologi yang cukup maju, ini adalah anti-paralel lembar beta). Jadi untuk mengganggu racun-racun ini, para peneliti menargetkan string-string ini.
Mereka mengandalkan paket AI yang disebut RFdiffusion (RF menunjukkan hubungannya dengan perangkat lunak pelipatan protein Rosetta Fold). Difusi RF dapat diarahkan untuk merancang struktur protein yang melengkapi bahan kimia tertentu; dalam hal ini, ia mengidentifikasi untaian baru yang dapat berbaris di sepanjang tepi untaian racun berjari tiga. Setelah diidentifikasi, paket AI terpisah, yang disebut ProteinMPNN, digunakan untuk mengidentifikasi rangkaian asam amino dari protein utuh yang akan membentuk untaian yang baru diidentifikasi.
Namun kami belum selesai dengan alat AI. Kombinasi racun tiga jari dan satu set protein yang baru dirancang kemudian dimasukkan ke dalam AlfaFold2 DeepMind dan perangkat lunak struktur protein Rosetta, dan kekuatan interaksi di antara keduanya diperkirakan.
Baru pada titik inilah para peneliti mulai membuat protein sebenarnya, dengan fokus pada kandidat yang menurut perangkat lunak akan berinteraksi paling baik dengan racun berjari tiga. Empat puluh empat protein yang dirancang komputer diuji kemampuannya untuk berinteraksi dengan racun tiga jari, dan protein tunggal yang memiliki interaksi terkuat digunakan untuk penelitian lebih lanjut.
Pada titik ini, ia kembali ke AI, di mana RFDiffusion digunakan untuk menyarankan varian protein ini yang mungkin dapat mengikat lebih efektif. Faktanya, sekitar 15 persen sarannya berinteraksi lebih kuat dengan racun. Para peneliti kemudian membuat toksin dan inhibitor terkuat pada bakteri dan memperoleh struktur interaksinya. Hal ini menegaskan bahwa prediksi perangkat lunak tersebut sangat akurat.
