تولید پروتئینهای جدید با هوش مصنوعی
به گزارش خبرنگار خبرگزاری علم و فناوری آنا،محققان MIT از هوش مصنوعی برای طراحی پروتئینهای جدیدی استفاده میکنند که فراتر از پروتئینهای موجود در طبیعت است. آنها الگوریتمهایی را برای یادگیری ماشینی ایجاد کردند که میتواند پروتئینهایی با ویژگیهای ساختاری خاص تولید کند که به طور بالقوه برای تولید مواد با ویژگیهای مکانیکی خاص، مانند صلبیت یا انعطافپذیری استفاده میشود. این مواد، که از زیست شناسی الهام می گیرند، ممکن است در نهایت با کاهش قابل توجه ردپای کربن جایگزین مواد نفتی یا سرامیکی شوند.
ساختار مدل یادگیری ماشینی که در پلتفرمهای هوش مصنوعی مانند DALL-E 2 به کار میرود،اهداف ساختاری از پیش تعیین شده را برآورده می کنند.
در مقالهای منتشر شده در مجله Chem محققان نشان میدهند که چگونه این مدلها میتوانند پروتئینهای اصیل و تازه ایجاد کنند.
مارکوس بولر، پروفسور جری مک آفی در مهندسی و استاد مهندسی عمران و محیط زیست و مهندسی مکانیک، نویسنده ارشد، بیان میکند که مدلهایی که اتصالات بیوشیمیایی حاکم بر تشکیل پروتئین را درک میکنند، میتوانند پروتئینهای نوآورانهای تولید کنند که پتانسیل تسهیل کاربردهای متمایز را دارند.
به عنوان مثال، این فناوری میتواند برای ابداع پوششهای غذایی که پروتئینها را تقلید میکنند، استفاده شود که میتواند طراوت میوهها و سبزیجات را طولانیتر کند و در عین حال برای مصرف انسان بیخطر باشد.
بعلاوه، بولر تاکید می کند که این مدل ها می توانند میلیون ها پروتئین را در عرض چند روز تولید کنند و مجموعه وسیعی از مفاهیم جدید را برای بررسی در زمان کوتاه در اختیار محققان قرار می دهد. زمانی که به ایجاد پروتئین هایی توجه می کنیم که طبیعت هنوز از آنها رونمایی نکرده است، این یک فضای طراحی عظیم است که با رویکردهای دستی قابل حل نیست. درک زبان زندگی، نحوه رمزگذاری DNA اسیدهای آمینه و نحوه ترکیب آنها برای تولید ساختارهای پروتئینی ضروری است. درحالق که قبل از ظهور یادگیری عمیق، این امکان وجود نداشت."
پروتئین ها توسط رشته های اسید آمینه تولید می شوند که به پیکربندی های سه بعدی تقسیم می شوند. خصوصیات مکانیکی پروتئین توسط دنباله ای از اسیدهای آمینه تعیین می شود. اگرچه دانشمندان هزاران پروتئین را شناسایی کرده اند که توسط تکامل شکل گرفته اند، آنها تخمین زده اند که تعداد زیادی از توالی های اسید آمینه هنوز مشخص نشده است. برای تسریع روند کشف پروتئین، دانشمندان اخیرا مدل های یادگیری عمیق را طراحی کرده اند که می توانند ساختار 3D یک پروتئین را پیش بینی کنند.
محققان از این الگوریتم برای تعیین ساختار 3D پروتئین های تولید شده استفاده می کنند. سپس خواص مکانیکی حاصل از پروتئین را محاسبه می کنند و آنها را در برابر الزامات طراحی مشخص مقایسه می کنند. این آنها را قادر می سازد تا بررسی کنند که آیا پروتئین های طراحی شده با مشخصات مورد نظر مطابقت دارند یا خیر.
برای ارزیابی اثربخشی مدل های آنها، محققان پروتئین های تازه تولید شده را با پروتئین های موجود با خواص ساختاری مشابه مقایسه کردند. آنها دریافتند که بسیاری از پروتئین های تولید شده حدود 50 تا 60 درصد با توالی های موجود آمینو اسید همپوشانی دارند، که نشان می دهد که آنها برای سنتز امکان پذیر است علاوه بر این، مدل ها به طور کامل توالی های جدیدی تولید می کنند که توانایی آنها را برای طراحی پروتئین های جدید نشان می دهد.
به گفته بولر، سطح شباهت بین پروتئین های تولید شده و موجود نشان می دهد که پروتئین های طراحی شده می توانند سنتز شوند.
این قابلیت محققان را با اطمینان فراهم می کند که پروتئین های تولید شده احتمالا برای سنتز واقعی و امکان پذیر هستند. در مرحله بعدی، محققان قصد دارند برخی از پروتئین های تازه طراحی شده را با استفاده از سنتز آنها در آزمایشگاه تایید کنند.
هدف نهایی این است که یک پلت فرم چند منظوره را توسعه دهیم که می تواند طیف گسترده ای از طرح های پروتئینی را برای استفاده در برنامه های مختلف تولید کند، از جمله علوم زیست پزشکی و مواد.
بولر تأکید می کند که زمینه های کاربردی، مانند پایداری، پزشکی، غذا، سلامت، بهداشت و طراحی مواد، نیاز به راه حل های فراتر از آن دارد بنابراین، ابزار طراحی تازه توسعه یافته می تواند نقش مهمی در ایجاد راه حل های بالقوه ای برای حل مسائل اجتماعی را بازی کند.
این ابزار به محققان اجازه می دهد تا پروتئین های جدیدی را با خواص ویژه طراحی کنند، که می تواند در برنامه های مختلف مانند توسعه داروهای جدید برای ایجاد مواد پایدار استفاده شود. به طور کلی، این ابزار می تواند رویکرد جدیدی را برای حل مسئله و کمک به حل چالش های عمده جهانی فراهم کند.
انتهای پیام/