هوش مصنوعی مهندسی آنزیم را آسان‎تر می‌کند

در مطالعه‌ای که اخیراً در ACS Synthetic Biology منتشر شده است، محققان دانشگاه اوزاکا سطح مشابهی از سازگاری را با آنزیم‌ها نشان داده‌اند، هدفی که برای بیش از 30 سال ناشناخته مانده است.

به گزارش تکناک، شما نمی توانید یک دانشمند داروسازی را از یک آزمایشگاه به آشپزخانه منتقل کنید و انتظارهمان نتیجه تحقیقات را داشته باشید.آنزیم ها نیز به همین شکل رفتار می کنند، آنها به یک محیط خاص وابسته هستند.

آنزیم ها عملکردهای چشمگیری را انجام می دهند که با آرایش منحصر به فرد آمینو اسیدهای تشکیل دهنده آنها امکان پذیر است، اما معمولاً فقط در یک محیط سلولی خاص. وقتی محیط سلولی را تغییر می‌دهید، آنزیم به ندرت خوب عمل می‌کند – اگر اصلاً کار کنند.

بنابراین، یک هدف دیرینه تحقیقاتی حفظ یا حتی بهبود عملکرد آنزیم ها در محیط های مختلف بوده است. به عنوان مثال، شرایطی که برای تولید سوخت زیستی مطلوب است. به طور سنتی، چنین کاری شامل آزمایش و خطای آزمایشی گسترده است که ممکن است اطمینان کمی از دستیابی به نتیجه مطلوب داشته باشد.

هوش مصنوعی (ابزاری مبتنی بر کامپیوتر) می‌تواند این آزمون و خطا را به حداقل برساند، اما همچنان بر ساختارهای کریستالی آنزیم‌های به‌دست‌آمده تجربی تکیه می‌کند. این ساختارها می‌توانند در دسترس نباشند یا به‌اندازه کافی مفید نباشند.

تپه نیده یکی از نویسنده‌های ارشد این مقاله می‌گوید:  بنابراین جهش اسیدهای آمینه مورد نظر در آنزیم ها ممکن است بهترین راه حل باشد.  برای حل این مشکل، ما روشی برای رتبه بندی اسیدهای آمینه ابداع کردیم که تنها به توالی اسید آمینه آنزیم های مشابه از دیگر گونه های زنده بستگی دارد.

محققان بر روی آمینو اسیدهایی تمرکز کردند که در ویژگی آنزیم مالیک به مولکولی که آنزیم تبدیل می‌کند (یعنی سوبسترا) و به ماده‌ای که در ادامه تبدیل کمک می‌کند (یعنی کوفاکتور) دخیل بودند. با شناسایی توالی‌های اسید آمینه‌ای که در طول تکامل تغییری نکرده‌اند، محققان جهش‌های اسید آمینه را شناسایی کردند که سازگاری با شرایط مختلف سلولی در گونه‌های مختلف داشته است.

یروشی شیمیزو، یکی از نویسنده‌های ارشد، می‌گوید: با استفاده از هوش مصنوعی، ما بقایای اسید آمینه غیرمنتظره را در آنزیم مالیک شناسایی کردیم که با استفاده آنزیم از کوفاکتورهای ردوکس مختلف تطابق دارد. این به ما کمک کرد تا مکانیسم فرعی اختصاصی آنزیم را بهت درک کنیم که به ما در مهندسی بهینه آنزیم را در آزمایشگاه ها کمک خواهد کرد.

این کار در استفاده از هوش مصنوعی برای تسریع چشمگیر و بهبود موفقیت در پیکربندی مجدد حالت خاص آنزیم ، بدون تغییر اساسی در عملکرد آنزیم، موفق امیز گزارش شده است.

پیشرفت‌های آتی در مهندسی آنزیم‌ها به ‌شدت در زمینه‌هایی مانند تولید داروسازی و سوخت‌های زیستی که نیازمند تنظیم دقیق تطبیق پذیری آنزیم‌ها در محیط‌های مختلف بیوشیمیایی حتی در غیاب ساختارهای کریستالی مربوطه هستند خواهد برد.