امکان پیش بینی ساختارهای پروتئینی سه بعدی با کمک هوش مصنوعی

ساختار پروتین هوش مصنوعی

محققان راهکاری برای استفاده از هوش مصنوعی (AI) جهت پیش بینی ساختار پروتئین سه بعدی و کمک به درمان سرطان یافته اند.ساختار پروتین هوش مصنوعی

به گزارش تکناک، در حال حاضر از فناوری های ژنومی برای تعیین توالی اسید آمینه یک پروتئین استفاده می شود.

آمینو اسیدها بلوک های سازنده پروتئین ها هستند. معمولا تلاش برای کشف شکل سه بعدی ساختارهای پروتئینی بسیار پرهزینه و زمان بر است. با این حال، تکنیکی که از هوش مصنوعی استفاده می‌کند به درک سریع و کارآمد شکل سه‌بعدی چین خوردگی های پروتئینی کمک می‌کند.

محققان تلاش کرده‌اند تا بفهمند چه چیزی پروتئین‌ها را به شکل‌های خاصی می‌سازد و چگونه می‌توان شکل را از روی توالی‌های اسید آمینه پیش‌بینی کرد.

چین خوردگی شماره 2 آلفا (Alpha Fold 2)

تیم تحقیقاتی نوعی هوش مصنوعی به نام Alpha Fold 2 را در این مطالعه گنجانده است. این تیم هوش مصنوعی را برای حل ساختار سه بعدی پروتئین ها از توالی اسیدهای آمینه برنامه ریزی کرده اند. Alpha Fold 2 یک شبکه عصبی است که توسط Deep Mind، یک شرکت هوش مصنوعی متعلق به گوگل ایجاد شده است.

Alpha Fold 2 در پیش‌بینی‌های خود از توالی‌ها دقیق بوده است و بسیاری از محققان را تحت تأثیر قرار داده است، به‌ویژه زمانی که نتایج تیم در یک مسابقه ارزیابی سالانه موسوم به ارزیابی قطعی پیش‌بینی ساختار پروتئین (CASP) ارائه شد. تیم تحقیقاتی مجموعه کاملی از پروتئین ها را برای 11 گونه مختلف از جمله انسان ارائه کرد.

Alpha Fold 2 در حال حاضر اطلاعاتی از بیش از 300هزار مدل دارد. محققان ساختارهای جدید را ارزیابی کردند و آنها.را با ساختارهای موجود مقایسه کردند. آنها به این نتیجه رسیدند که آلفا فولد 2، 25 درصد اضافی از ساختارهای پروتئینی با کیفیت بالا را که قبلاً در داده‌ها گنجانده نشده بود، ایجاد کرده است.

اگرچه نقش کلیدی پروتئین ها در بیماری هایی مانند سرطان شناخته شده است، استفاده از هوش مصنوعی در اطلاعات به درک عمیق تری از عملکرد پروتئین ها در سطوح مولکولی آنها کمک می کند.

داده‌های ساختاری در مورد این پروتئین‌ها به محققان کمک می‌کند پروتئین‌ها را بهتر درک کنند و بدانند با چه مولکول‌های دیگری ممکن است در سلول برهم‌کنش داشته باشند. این می تواند امکان ایجاد داروهای جدیدی را فراهم کند که می تواند در عملکرد پروتئین ها در صورت تغییر آنها تداخل ایجاد کند.

استفاده از پیش‌بینی‌های AF2 برای مدل‌سازی به داده‌های کریو-EM یا کریستالوگرافیک

محدودیت های مطالعه

تیم تحقیقاتی محدودیت‌هایی را در مورد قابلیت‌های استفاده از Alpha Fold 2 پیدا کرد. تیم متوجه شد که هوش مصنوعی در رابطه با الگوریتم مشکلاتی با بازآفرینی پروتئین های پیچیده یا مجموعه‌ای از پروتئین‌ها داشت.

پروتئین ها معمولاً برای انجام یک عملکرد بیولوژیکی مجتمع با هم کار می کنند. پیش‌بینی اینکه چگونه پروتئین‌های مختلف می‌توانند به هم بچسبند، بسیار مطلوب است، اما هنگام استفاده از الگوریتم دارای محدودیت بود.

محدودیت دیگر ناتوانی در نشان دادن ساختار پروتئین‌های جهش‌یافته بود . پروتئین‌هایی که با جهش ژنی، مانند تغییرات توالی اسید های  آمینه، کدگذاری شده‌اند می‌تواند باعث بی‌ثباتی پروتئین شود. این جهش ها منجر به عملکرد غیر طبیعی ساختار پروتئین می شود که اغلب منجر به بیماری هایی مانند سرطان می شود.ساختار پروتین هوش مصنوعی

کمک هوش مصنوعی به تحقیق

اگرچه محدودیت‌هایی وجود دارد، اما تیم تحقیقاتی به تأثیر بزرگ Alpha Fold 2 بر این مطالعه و مشارکت زیاد آن در زمینه تحقیقات زیست‌پزشکی پی برده است. محققان اظهار داشتند: کاربرد AlphaFold2 و ابزارهای آینده آن تأثیری دگرگون کننده ای در علوم زیستی خواهد داشت.

این تحقیق شامل هزاران مدل پروتئین سه بعدی جدید است و تیم مشتاقانه منتظر تاثیر آینده هوش مصنوعی بر کشف پروتئین های جدید است که می تواند منجر به درمان های جدید شود.ساختار پروتین هوش مصنوعی

 

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اخبار جدید تک‌ناک را از دست ندهید.