Deep generative models for analysis and engineering of functional proteins
Doktorsavhandling, 2025
generative AI
protein engineering
thermal stability
machine learning
deep learning
Författare
Sandra Viknander
Chalmers, Life sciences, Systembiologi
Expanding functional protein sequence spaces using generative adversarial networks
Nature Machine Intelligence,;Vol. 3(2021)p. 324-333
Artikel i vetenskaplig tidskrift
Learning deep representations of enzyme thermal adaptation
Protein Science,;Vol. 31(2022)
Artikel i vetenskaplig tidskrift
Amino acid sequence encodes protein abundance shaped by protein stability at reduced synthesis cost
Protein Science,;Vol. 34(2025)
Artikel i vetenskaplig tidskrift
Computational scoring and experimental evaluation of enzymes generated by neural networks
Nature Biotechnology,;Vol. 43(2025)p. 396-405
Artikel i vetenskaplig tidskrift
Sandra Viknander, Nikolaos Tatarakis, Xiaozhi Fu, Clara Goldin, Alexander Diaciuc, Aleksej Zelezniak. Learning Thermal Adaptation through Adversarial and Evolutionary aware training
Med framstegen inom maskininlärning öppnas nu nya möjligheter. Genom att analysera de enorma mängder data som finns tillgänglig för proteiner kan AI hjälpa oss att förutsäga viktiga egenskaper, som hur stabilt ett protein är vid höga temperaturer eller hur väl det fungerar som enzym.
I min forskning har jag därför utvecklat AI modeller som kan hjälpa till vid design och optimering av nya proteiner. Med hjälp av dessa modeller har vi lyckats skapa proteiner som är betydligt mer värmestabila, i vissa fall med en förbättrad värmetålighet från 56°C till 92°C. Det här betyder att vi kan designa enzymer som fungerar i tuffa industriella miljöer, vilket kan leda till mer hållbara och effektiva biotekniska processer.
Denna forskning visar hur generativ AI kan revolutionera proteinutveckling, genom att göra processen snabbare, mer precis och mer förutsägbar. Med dessa verktyg tar vi ett steg närmare en framtid där vi kan skräddarsy proteiner för specifika uppgifter från bättre läkemedel till miljövänliga industriella lösningar.
Ämneskategorier (SSIF 2025)
Molekylärbiologi
Bioinformatik och beräkningsbiologi
Strukturbiologi
Artificiell intelligens
Drivkrafter
Hållbar utveckling
Innovation och entreprenörskap
Fundament
Grundläggande vetenskaper
Infrastruktur
C3SE (-2020, Chalmers Centre for Computational Science and Engineering)
Styrkeområden
Livsvetenskaper och teknik (2010-2018)
ISBN
978-91-8103-187-4
Doktorsavhandlingar vid Chalmers tekniska högskola. Ny serie: 5645
Utgivare
Chalmers
HC4-salen, Hörsalsvägen 14
Opponent: Stanislav Mazurenko