Międzynarodowy zespół kierowany przez prof. Kirilla Aleksandrova z Queensland University of Technology (QUT) wykorzystał uczenie maszynowe (machine learning) do zaprojektowania sztucznych białek pełniących funkcję allosterycznych przełączników molekularnych — aktywujących się wyłącznie w obecności wybranego analitu. W odróżnieniu od naturalnych białek sensorowych nowe konstrukty nie wymagają dużych, globalnych zmian konformacyjnych — wystarczają subtelne zmiany w dynamice konformacyjnej białka, aby wygenerować sygnał w postaci zmiany barwy, fluorescencji lub impulsu elektrochemicznego. Badacze wykazali funkcjonalność zaprojektowanych przełączników zarówno w żywych komórkach bakteryjnych, jak i w układach elektrochemicznych in vitro, działających na podobnej zasadzie jak glukometry. Technologia otwiera drogę do opracowania taniej, przenośnej diagnostyki medycznej, monitoringu środowiskowego oraz nowych narzędzi biologii syntetycznej.
Źródła:
Alexandrov K. et al., Artificial allosteric protein switches with machine-learning-designed receptors, Nature Biotechnology, 2026. DOI: 10.1038/s41587-026-03081-9