طراحی پروتئین با یک مدل جدید مبتنی بر هوش مصنوعی

محققان MIT   از هوش مصنوعی برای طراحی پروتئین های جدیدی استفاده می کنند که فراتر از پروتئین های موجود در طبیعت است. آنها الگوریتم‌های یادگیری ماشین را به گونه ای توسعه دادند که می‌تواند پروتئین‌هایی با ویژگی‌های ساختاری خاص تولید کند، پروتئین هایی که می‌توان از آنها برای ساخت موادی با خواص مکانیکی سفتی یا کشسانی ویژه استفاده کرد. چنین موادی که از دنیای زیست شناسی الهام گرفته شده اند به طور بالقوه می توانند، جایگزین مواد ساخته شده از نفت یا سرامیک شوند و ردپای کربن بسیار کمتری داشته باشند.

محققان آزمایشگاه هوش مصنوعی واتسون در MIT-IBM و دانشگاه تافتز (Tufts) از یک مدل مولد استفاده کردند که همان نوع معماری مدل یادگیری ماشینی استفاده می کند که در سیستم‌های هوش مصنوعی مانند DALL-E 2 استفاده می‌شود، اما به جای تولید تصاویر واقع‌گرایانه، در مدل تظبیق داده شده، توالی‌های اسید آمینه  ای پیش‌بینی می شود که به اهداف ساختاری خاصی دست می‌یابند.

در مقاله ای که در مجله Chem منتشر شده، محققان نشان می دهند که چگونه این مدل ها می توانند پروتئین های واقعی و در عین حال جدید تولید کنند. مارکوس بوهلر، نویسنده ارشد و پروفسور جری مک‌آفی، استاد مهندسی عمران و محیط زیست و مهندسی مکانیک، می‌گویند که این مدل‌ها که روابط بیوشیمیایی را یاد می‌گیرند و نحوه تشکیل پروتئین‌ها را کنترل می‌کنند، می‌توانند پروتئین‌های جدیدی تولید کنند که  کاربردهای منحصربه‌فردی دارند. به عنوان مثال، این ابزار می تواند برای توسعه پوشش های غذایی الهام گرفته از پروتئین استفاده شود، که این قابلیت را دارند تا برای مدت طولانی تری محصول را تازه نگه دارد و در عین حال برای انسان بی خطر باشد. آن ها اضافه می کنند که این مدل‌ها می‌توانند میلیون‌ها پروتئین جدید را در چند روز تولید کنند و به سرعت مجموعه‌ای از ایده‌های جدید را برای کشف در اختیار دانشمندان قرار دهند.

وقتی به طراحی پروتئین‌هایی فکر می‌کنید که طبیعت هنوز کشف نکرده است، فضای طراحی آنقدر بزرگ است که نمی‌توانید آن را فقط با یک مداد و کاغذ مرتب کنید. بوهلر، که همچنین یکی از اعضای آزمایشگاه هوش مصنوعی MIT-IBM Watson AI است، می گوید: قبل از یادگیری عمیق، ما واقعا نمی توانستیم این کار را انجام دهیم.

نی دیگر نویسنده مقاله می‌گوید: «الگوریتم یادگیری می‌تواند روابط پنهان در طبیعت را تشخیص دهد. این به ما اطمینان می‌دهد که بگوییم هر چیزی که از مدل ما بیرون می‌آید به احتمال زیاد واقع بینانه است زیرا بر اساس چیزی است که قبلا در طبیعت اتفاق افتاده است.

“برای کاربردهایی که به آنها علاقه مندیم، مانند پایداری، دارو، غذا، سلامت و طراحی مواد، باید فراتر از آنچه طبیعت انجام داده است برویم، بنابراین لازم است ابتدا طبعت را بشناسیم و سپس با ترکیب خلاقیت خود و آنچه دانش و تکنولوژی برای ما فراهم کرده است، مرزهای خلاقیت طبیعت را جا به جا کنیم، این چیزی است که ما واقعا می خواهیم”.

لینک مقاله مرتبط:

https://www.cell.com/chem/pdf/S2451-9294(23)00139-0.pdf

اگر شما هم دوست دارید وارد دنیای طراحی پروتئین شوید، حتما بخش دوره های ما رو چک کنید… ما به شما تجربه های واقعی یاد می دیم و در کنار مشاوره ریسرچ می تونید مطالعه مستقل خودتون رو شروع کنید.

استفاده از مطالب آکادمی زیستا بدون ذکر منبع مجاز نمی باشد.