Uutiset

Aalto-yliopiston ja VTT:n tutkimushankkeessa kehitetään uudenlaisia entsyymejä

Tutkijat ovat aloittaneet uuden tutkimushankkeen, jossa kehitetään räätälöityjä entsyymejä koneoppimisen avulla. Tavoitteena on edistää vihreää siirtymää.
Researchers having a discussion in a meeting room with their laptops open on the table
Professori Juho Rousu Aalto-yliopistosta ja johtava tutkija Anu Koivula VTT:ltä keskustelevat tutkimushankkeen aloituspalaverissa maaliskuussa 2023. Kuva: Matti Ahlgren/Aalto-yliopisto

Entsyymit ovat proteiineja, jotka nopeuttavat kemiallisia reaktioita soluissa. Entsyymejä käytetään laajalti teollisessa tuotannossa, kuten biopolttoaineiden, lääkkeiden tai biomuovien valmistuksessa. Silti niiden potentiaalia ei ole vielä täysin hyödynnetty, koska entsyymien luontaiset ominaisuudet eivät ole optimoituja teollisiin tarpeisiin. Biologian monimuotoisuutta ei osata vielä käyttää täysimuotoisesti hyväksi.

”Synteettinen biologia tulee mahdollistamaan uusia bioteknisiä sovellutuksia, joiden merkityksen odotetaan tulevaisuudessa kasvavan. Biotekniikan odotetaan korvaavan monia nykyisiä fossiilisiin raaka-aineisiin perustuvia prosesseja”, sanoo VTT:n bioteknologian tutkimusprofessori ja Aalto-yliopiston synteettisen biologian professori Merja Penttilä. ”Voimme tulevaisuudessa esimerkiksi suunnitella ja kehittää uudenlaisia soluja tuottamaan periaatteessa mitä tahansa hyödyllistä tuotetta. Entsyymit ovat avainasemassa tämän toteuttamisessa.” 

Penttilä johtaa BioDesign-tutkimushanketta yhdessä Aalto-yliopiston tietotekniikan laitoksen professori Samuel Kasken kanssa, joka on myös Suomen tekoälykeskuksen FCAI:n johtaja. Hanke sai hiljattain Jane ja Aatos Erkon säätiöltä lähes kahden miljoonan euron rahoituksen. Tutkimusryhmä pyrkii löytämään hankkeessa ratkaisuja entsyymien räätälöintiin, muun muassa uusien proteiinien suunnittelun avulla.

Proteiinit ovat solujen rakennuspalikoita. Ne koostuvat aminohapoista, jotka muodostavat ketjuja ja laskostuvat muotoonsa miljardeilla eri tavoilla. Nämä laskostumisen tavat määrittävät muun muassa proteiinien tehtäviä. Googlen AlphaFold-2-tekoälymallin kehittäjät nousivat otsikoihin vuonna 2020, kun he osoittivat, että mallin avulla voidaan ennustaa lähes minkä tahansa proteiinin kolmiulotteinen rakenne erittäin tarkasti. Samalla ryhmä tuli ratkaisseeksi proteiinien laskostumisen ongelman, jota pidettiin yhtenä bioinformatiikan pitkäaikaisimmista avoimista ongelmista. 

Läpimurrosta huolimatta tutkijat eivät osaa vielä suunnitella proteiineja, jotka voisivat toimia teollisiin tarpeisiin räätälöityinä entsyymeinä.

”Tutkimushankkeemme tavoitteena on luoda täysin uusia entsyymejä, joiden teollinen lisäarvo voitaisiin optimoida”, Penttilä toteaa. ”Jos onnistumme, tulemme mullistaneeksi mahdollisuudet siirtyä fossiilitaloudesta kohti bio- ja kiertotaloutta.”

Jos onnistumme, tulemme mullistaneeksi mahdollisuudet siirtyä fossiilitaloudesta kohti bio- ja kiertotaloutta

Professori Merja Penttilä, Aalto-yliopisto
Professor Merja Penttilä (left) and Assistant Professor Vikas Garg having a conversation in a meeting room.
Professori Merja Penttilä vaihtaa ajatuksia apulaisprofessori Vikas Gargin kanssa. Penttilälle myönnettiin tieteen akateemikon arvonimi alkuvuodesta 2023. Kuva: Matti Ahlgren/Aalto-yliopisto

Entsyymien räätälöintiä koneoppimisen avulla

BioDesign-hanke kokoaa yhteen molekyylibiologian, synteettisen biologian, koneoppimisen ja tietotekniikan huippututkijoita. Hankkeessa tutkitaan entsyymien ja proteiinien toimintamekanismia, joka on biologian ja biotekniikan eräs suuri perustutkimuksellinen kysymys. Tutkimusryhmä pyrkii kehittämään laskennallisen mallin, jonka toimintaa ohjataan asiantuntijatiedon pohjalta. 

”Generatiiviset mallit, kuten Chat-GPT ja Stable Diffusion, ovat avanneet ennennäkemättömiä mahdollisuuksia sisällöntuotannolle. Vaikka hankkeellamme ei ehkä ole aivan yhtä laajaa yleisöä, uskomme, että sen potentiaalinen vaikutus voi olla yhtä mullistava”, sanoo apulaisprofessori Vikas Garg Aalto-yliopiston tietotekniikan laitokselta. 

Garg on tutkimuksessaan keskittynyt kehittämään koneoppimismalleja, jotka voisivat auttaa löytämään uusia proteiineja ja molekyylejä, joilla olisi joitain tavoiteltuja ominaisuuksia. Tutkimuksissa on kyse käänteisestä proteiinien laskostumisen ongelmasta. Vuonna 2018 Garg ja hänen kollegansa Massachusetts Institute of Technologyn (MIT) arvostetussa Computer Science and Artificial Intelligence Labissa (CSAIL) onnistuivat syväoppimismallinsa avulla tuottamaan proteiinisekvenssejä, jotka taittuvat tiettyyn kolmiulotteiseen proteiinirakenteeseen.

Aalto-yliopistossa Garg on työskennellyt tiiviisti Kasken kanssa. Hiljattain julkaistussa tutkimuksessaan he kehittivät generatiivisen mallin, jonka avulla voidaan luoda uusia molekyylikandidaatteja, jotka muistuttavat reaalimaailman vastineitaan. Uudenlaisten räätälöityjen proteiinien ja molekyylien kehittäminen vaatii myös osaamista erilaisten ominaisuuksien erottelusta ja yhdistämisestä.

’Jos haluamme esimerkiksi rakentaa tehokkaampia akkuja pienemmällä hiilijalanjäljellä, ei ole aina mahdollista täydellisesti erottaa niitä tekijöitä, joista nämä ominaisuudet kumpuavat”, kertoo Garg. ”Olemme toisaalta edistyneet tämän ongelman ratkaisemisessa eräässä viimeaikaisessa tutkimuksessamme, joka käsittelee eriytetyn esittämisen koneoppimistekniikkaa (disentangled representation). Tällä tekniikalla on tutkimuksemme mukaan mahdollista ymmärtää piilevien generatiivisten tekijöiden monimutkaisia vuorovaikutussuhteita.”

Virtuaalilaboratoriot valjastavat tekoälyn asiantuntijoiden käyttöön

BioDesign-tutkimusryhmän tavoitteena on rakentaa virtuaalinen laboratorio, joka mahdollistaa ihmisen ja tekoälyn välisen yhteistyön. Virtuaalilaboratoriot ovat tekoälypohjaisia ympäristöjä, joissa tutkijat voivat toteuttaa simuloituja mittauksia tekoälyn avustamana. Näiden simulaatioiden tuloksia testataan fyysisissä molekyylibiologian laboratorioissa, jotka tuottavat kokeellista tietoa. Näillä tiedoilla voidaan parantaa virtuaalilaboratorion oppimis- ja ennustuskykyä, kun ne syötetään takaisin simulaatioihin. 

”Virtuaalilaboratorio auttaa paitsi sisällyttämään automatisoiduista kokeista saatua uutta dataa, myös hyödyntämään ihmisasiantuntemusta, kun tekoälymallia ohjataan kohti parempia ratkaisuja”, sanoo Kaski, joka kehittää tekoälymenetelmiä ihmisen ja tekoälyn väliseen yhteistyöhön FCAI:ssa.

”Tämän työskentelysyklin kautta löydetyt uudet entsyymit voivat nopeuttaa nykyisiä kemiallisia reaktioita sekä mahdollistaa vaihtoehtoisia tapoja parempien materiaalien, akkujen, biolannoitteiden ja lääkkeiden syntetisoimiseksi”, Garg sanoo.

Synteettistä biologiaa pidetään EU:n ja Yhdysvaltojen biotalousstrategioissa keskeisenä kestävän tulevaisuuden mahdollistavana teknologiana. Suomella on myös hyvät edellytykset lyödä itsensä läpi alalla, sillä investoinnit ja kiinnostus biotaloutta kohtaan ovat kiihtymään päin.

”Suomessa on maailmanluokan osaamista sekä tekoälymenetelmien kehittämisessä että molekyylibiologiassa, jotka tukevat synteettisen biologian tutkimusta”, sanoo Aalto-yliopiston tietojenkäsittelytieteen professori Juho Rousu, jonka johtama tutkimusryhmä kehittää koneoppimismenetelmiä, -malleja ja -työkaluja pienten molekyylien tunnistamiseen. 

”Hankkeen laajempana tavoitteena on pitää Suomi synteettisen biologian globaalissa eturintamassa ja siten mahdollistaa biotuoteteollisuus, joka palvelee kestävää bio- ja kiertotaloutta.”

BioDesign-hankkeeseen rekrytoidaan lisää tutkijoita! Lue lisää osoitteessa: https://www.aalto.fi/en/open-positions/doctoral-postdoctoral-and-research-fellow-positions-in-bio-design

FCAI

Suomen tekoälykeskus FCAI (ulkoinen linkki)

Suomen tekoälykeskus FCAI on osaamiskeskittymä, jonka ovat käynnistäneet Aalto-yliopisto, Helsingin yliopisto ja Teknologian tutkimuskeskus VTT. FCAI:n tavoitteena on kehittää uudenlaista tekoälyä, joka voi toimia ihmisen kanssa monimutkaisessa ympäristössä ja auttaa uudistamaan suomalaista teollisuutta. FCAI on yksi Suomen Akatemian lippulaivoista.

Illustration of small molecules and their connections.

Tutkijat kehittivät tarkan menetelmän kehon pienten molekyylien tunnistamiseen – voi auttaa monien sairauksien diagnoosissa

Koneoppimista hyödyntävä menetelmä antaa uutta tietoa pienten molekyylien rakenteesta. Lääketieteen lisäksi sitä voidaan jatkossa soveltaa esimerkiksi huume- ja dopingvalvonnassa. Avoimen lähdekoodin menetelmä on kaikkien maailman tutkijoiden saatavilla.

Uutiset
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Rauhallinen japanilainen puutarha, jossa on lampi, kiviä ja erilaisia ​​puita, mukaan lukien loistavaa punaista ja vihreää lehtineen.
Mediatiedotteet Julkaistu:
Tekoalylla-tuotetieto-talotekniikan-menestystekijaksi.jpg
Tutkimus ja taide Julkaistu:

Tekoälyllä tuotetieto talotekniikan menestystekijäksi

Ympäristöraportointi, digitaaliset kaksoset ja tuottavuuden tuntuva nosto eivät onnistu ilman nykyistä parempaa tiedonhallintaa. Talotekniikka 2030 -tutkimusraportti ruotii nykytilanteen haasteita ja esittää ratkaisuja ja case-esimerkkejä, jotka pohjautuvat uusimman tekoälyteknologian hyödyntämiseen.
Opiskelijoita kampuksella. Kuva: Henri Vogt
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Yhä harvempi yliopisto-opiskelija jää kotiseudulleen Suomen suurimmissa kaupungeissa – uusi selvitys näyttää kaupunkikohtaiset erot

Aalto-yliopiston kaupunkitaloustieteen tutkimusryhmä AlueAvain on tarkastellut Tilastokeskuksen yksilötason rekisteriaineistojen avulla yliopisto-opiskelijoiden muuttoliikkeitä Suomen suurimmissa kaupungeissa viimeisten 20 vuoden aikana. Tarkastelussa vertailtiin erikseen pääkaupunkiseudun kuntia sekä Tamperetta, Turkua ja Oulua.
Huone, jossa on useita kaiuttimia metallirungoissa ympyrämuodossa. Keskellä on jakkara ja sälealusta.
Mediatiedotteet Julkaistu:

Uusi teknologia tuo immersiivisen tilaäänen kaikkien ulottuville

Ainutlaatuinen äänentallennusteknologia mahdollistaa immersiivisen äänimaailman tallentamisen tavallisilla mikrofoneilla ja edullisella lisälaitteella.