طراحی پروتئین و روش های نوین درمانی با هوش مصنوعی

یک ابزار هوش مصنوعی فناوری جدید می تواند به محققان در کشف پروتئین های ناشناخته قبلی و همچنین طراحی پروتئین های کاملاً جدید کمک کند. زمانی که این فناوری به کار گرفته شود، می تواند به توسعه واکسن های موثرتر، افزایش سرعت تحقیقات مربوط به درمان سرطان یا تولید مواد کاملاً جدید کمک کند.

آزمایشگاه هوش مصنوعی DeepMind در سال 2020 با معرفی ابزار هوش مصنوعی AlphaFold جهان را شگفت زده کرد که می تواند ساختار پروتئین ها را به دقت پیش بینی کند. پروتئین ها نقش اساسی در زندگی انسان دارند و اوایل تابستان امسال DeepMind اعلام کرد که AlphaFold می تواند ساختار بیش از 200 میلیون پروتئین را پیش بینی کند.

ابزار مدرن پروتئین مصنوعی

ابزار جدیدی به نام ProteinMPNN توسط گروهی از محققان دانشگاه واشنگتن معرفی شد و قدرت کامل AlphaFold به حساب می آید.

محققان در مقالات خود به این موضوع اشاره می کنند که چگونه یادگیری عمیق با ارائه ابزارهای تحقیقاتی جدید به دانشمندان فرآیند طراحی پروتئین را تغییر می دهد. به طور سنتی، محققان پروتئین‌ها را با اصلاح آنها مهندسی می‌کنند، اما ProteinMPNN دنیای کاملاً جدیدی از پروتئین‌ها را در اختیار محققان قرار می‌دهد تا از ابتدا آن‌ها را طراحی کنند.

“دیوید بیکر” یکی از دانشمندان مسئول این مطالعه و مدیر موسسه طراحی پروتئین در دانشگاه واشنگتن می گوید:

«در طبیعت، پروتئین ها اساساً همه مشکلات زندگی را حل می کنند، از حمل انرژی از نور خورشید گرفته تا ساختار مولکول ها. همه چیز در زیست شناسی اتفاق می افتد. آنها به منظور حل مشکلاتی که موجودات زنده در طول تکامل با آن مواجه هستند توسعه می یابند. اما امروزه مشکلات جدیدی مانند ویروس کرونا وجود دارد. اگر می‌توانستیم پروتئین‌هایی طراحی کنیم که در حل مسائل مدرن به خوبی آن‌هایی که برای حل مشکلات قدیمی تکامل یافته‌اند، خوب باشند، بسیار بسیار شگفت‌انگیز خواهد بود.»

پروتئین ها از صدها هزار اسید آمینه تشکیل شده اند که در زنجیره های بلند به یکدیگر متصل می شوند و سپس سه بعدی می شوند. AlphaFold به محققان کمک می کند تا ساختار حاصل را پیش بینی کنند و بینشی از مسیر آن ارائه می دهد.

با این حال، ProteinMPNN از یک شبکه عصبی آموزش‌دیده استفاده می‌کند و به دانشمندان کمک می‌کند تا اسیدهای آمینه‌ای را پیدا کنند که با شکل دلخواه آنها مطابقت داشته باشد.

لین ریگان، استاد بیوشیمی و بیوتکنولوژی در دانشگاه ادینبورگ، اسکاتلند، می‌گوید که امکان استفاده از یادگیری ماشینی برای طراحی پروتئین‌ها به این روش «کار بسیار بزرگی» است. یادگیری ماشینی کل فرآیند را بسیار سریع‌تر و آسان‌تر می‌کند و به محققان این امکان را می‌دهد که پروتئین‌ها و ساختارهای کاملاً جدیدی را در مقیاسی بسیار بزرگ‌تر ایجاد کنند. این ابزار بیش از 200 برابر سریعتر از بهترین ابزارهای دانشمندان قبلی است و برای ارائه داده های خود به حداقل اطلاعات از کاربر نیاز دارد.


تمامی اخبار به صورت تصادفی و رندومایز شده پس از بازنویسی رباتیک در این سایت منتشر شده و هیچ مسئولتی در قبال صحت آنها نداریم