Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

An intelligent agent for general-purpose protein engineering

Opis projektu

Inteligentny system do tworzenia indywidualnie dopasowanych białek

Białka stanowią obiecujące rozwiązanie w przypadku różnych wyzwań biotechnologicznych ze względu na ich zdolność do funkcjonowania w łagodnych, nietoksycznych warunkach i wykonywania szerokiego zakresu zadań. Ostatnie postępy w dziedzinie SI budzą duże zainteresowanie, w szczególności w odniesieniu do modeli języka białek (pLM), które są obiecujące, jeśli chodzi o tworzenie indywidualnie dostosowanych białek. Trzy zaawansowane pLM dały już zachęcające wstępne wyniki w eksperymentach. Finansowany przez ERBN projekt ATHENA zakłada opracowanie inteligentnego systemu do efektywnej inżynierii białek funkcjonalnych w oparciu o parametry zdefiniowane przez użytkownika. Projekt przewiduje wytrenowanie agenta, który będzie uczył się na podstawie danych sekwencyjnych, strukturalnych, funkcjonalnych i dynamicznych w celu rozwiązywania różnych zadań z zakresu inżynierii białek. Powstanie także dostępne dla naukowców narzędzie do projektowania niestandardowych białek.

Cel

Proteins offer an exciting path to address a multitude of biotechnological challenges. Capable of working under non-toxic, mild conditions and performing a myriad of functions, their controllable design has been sought-after for decades. However, to gain a technological advantage in a world with pressing demands in sustainability and healthcare, we must accelerate the development of custom-tailored, proficient proteins. In this proposal, we will develop an intelligent system capable of efficiently engineering functional proteins tailored to user-defined specifications.

Artificial Intelligence (AI) advancements are promoting a fresh wave of enthusiasm across many fields, providing solutions to problems that escape human intuition. Recently, protein language models (pLMs) are showing unprecedented performance in generating novel, efficient proteins. We have trained three advanced pLMs, demonstrating promising preliminary results in experimental settings. In this proposal, we will train an agent that will learn from combined sequence, structural, functional, and dynamic data to perform multiple protein engineering tasks. The agent will iteratively improve from experimental feedback using Reinforcement Learning, and explainable AI will allow us to ‘open the black box’ and understand its decision process. A vital component of this work will be its rigorous experimental validation, progressing through increasingly challenging tasks with biotechnological applications.

This project will deliver an intelligent agent with continuous learning capabilities, accessible through user-friendly interfaces, empowering researchers worldwide with an easy-to-use tool to design custom-tailored proteins. In addition, by incorporating explainability, it will offer a novel angle to understanding complex sequence-to-function relationships. Lastly, comprehensive experimental validation will assess the reliability and applicability of these novel approaches in real-world contexts.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

FUNDACIO CENTRE DE REGULACIO GENOMICA
Wkład UE netto
€ 1 498 680,00
Koszt całkowity
€ 1 498 680,00

Beneficjenci (1)