گروه هوش مصنوعی DeepMind ساختار تقریباً تمام پروتئین های شناخته شده برای علم را کشف کرده است.
محققان با استفاده از برنامه AlphaFold که DeepMind برای اولین بار در سال ۲۰۱۸ توسعه داد به این موفقیت دست یافتند. این برنامه منبع باز می تواند ساختار سه بعدی پروتئین را از روی توالی اسیدهای آمینه آن، بلوک های سازنده پروتئین ها، پیش بینی کند. ساختار یک پروتئین عملکردهای آن را دیکته می کند، بنابراین پایگاه داده ۲۰۰ میلیون ساختار پروتئینی شناسایی شده توسط AlphaFold این پتانسیل را دارد که به شناسایی پروتئین های جدیدی که انسان ها می توانند از آنها استفاده کنند، کمک کند.
پروتئین ها مانند پازل های کوچک و غیرقابل درک هستند. آنها توسط ارگانیسم‌های مختلف از باکتری‌ها گرفته تا گیاهان و حیوانات تولید می‌شوند و زمانی که ساخته می‌شوند در چند میلی ثانیه جمع می‌شوند، اما ساختار آنها به قدری پیچیده است که تلاش برای حدس زدن شکل آنها تقریبا غیرممکن است. Cyrus Levinthal، زیست‌شناس مولکولی آمریکایی، در مقاله‌ای در سال ۱۹۶۹ به این پارادوکس اشاره کرد که پروتئین‌ها به‌رغم داشتن تعداد زیادی از پیکربندی‌های احتمالی به سرعت و دقیق تا می‌شوند و تخمین می‌زند که یک پروتئین معین ممکن است ۱۰^۳۰۰ شکل نهایی داشته باشد.
لوینتال نوشت، اگر کسی بخواهد با آزمایش هر پیکربندی یک به یک به شکل صحیح پروتئین برسد، برای رسیدن به پاسخ درست، زمان بیشتری از زمان وجود جهان تا کنون خواهد برد.
دانشمندان روش هایی برای تجسم پروتئین ها و تجزیه و تحلیل ساختار آنها دارند، اما این کار کند و دشوار است. رایج ترین راه برای تصویربرداری از پروتئین ها از طریق کریستالوگرافی اشعه ایکس است که شامل تابش اشعه ایکس به کریستال های جامد پروتئین ها و اندازه گیری چگونگی پراش آن پرتوها برای تعیین چگونگی پروتئین است.به گفته DeepMind این کار تجربی شکل حدود ۱۹۰۰۰۰ پروتئین را ایجاد کرده است.
نمایندگان DeepMind در بیانیه‌ای اعلام کردند: «این به‌روزرسانی شامل ساختارهای پیش‌بینی‌شده برای گیاهان، باکتری‌ها، حیوانات و سایر موجودات است، و فرصت‌های جدیدی را برای محققان فراهم می‌کند تا از AlphaFold برای پیشبرد کار خود در موضوعات مهم، از جمله پایداری، ناامنی غذایی و بیماری‌های نادیده گرفته شده استفاده کنند». AlphaFold با جمع آوری دانش در مورد توالی اسید آمینه و فعل و انفعالات در تلاش برای تفسیر ساختارهای پروتئین کار می کند. این الگوریتم اکنون می تواند اشکال پروتئین را در چند دقیقه با دقت تا سطح اتم پیش بینی کند.
محققان با استفاده از برنامه AlphaFold که DeepMind برای اولین بار در سال ۲۰۱۸ توسعه داد به این موفقیت دست یافتند. این برنامه منبع باز می تواند ساختار سه بعدی پروتئین را از روی توالی اسیدهای آمینه آن، بلوک های سازنده پروتئین ها، پیش بینی کند. ساختار یک پروتئین عملکردهای آن را دیکته می کند، بنابراین پایگاه داده ۲۰۰ میلیون ساختار پروتئینی شناسایی شده توسط AlphaFold این پتانسیل را دارد که به شناسایی پروتئین های جدیدی که انسان ها می توانند از آنها استفاده کنند، کمک کند.
پروتئین ها مانند پازل های کوچک و غیرقابل درک هستند. آنها توسط ارگانیسم‌های مختلف از باکتری‌ها گرفته تا گیاهان و حیوانات تولید می‌شوند و زمانی که ساخته می‌شوند در چند میلی ثانیه جمع می‌شوند، اما ساختار آنها به قدری پیچیده است که تلاش برای حدس زدن شکل آنها تقریبا غیرممکن است. Cyrus Levinthal، زیست‌شناس مولکولی آمریکایی، در مقاله‌ای در سال ۱۹۶۹ به این پارادوکس اشاره کرد که پروتئین‌ها به‌رغم داشتن تعداد زیادی از پیکربندی‌های احتمالی به سرعت و دقیق تا می‌شوند و تخمین می‌زند که یک پروتئین معین ممکن است ۱۰^۳۰۰ شکل نهایی داشته باشد.
لوینتال نوشت، اگر کسی بخواهد با آزمایش هر پیکربندی یک به یک به شکل صحیح پروتئین برسد، برای رسیدن به پاسخ درست، زمان بیشتری از زمان وجود جهان تا کنون خواهد برد.
دانشمندان روش هایی برای تجسم پروتئین ها و تجزیه و تحلیل ساختار آنها دارند، اما این کار کند و دشوار است. رایج ترین راه برای تصویربرداری از پروتئین ها از طریق کریستالوگرافی اشعه ایکس است که شامل تابش اشعه ایکس به کریستال های جامد پروتئین ها و اندازه گیری چگونگی پراش آن پرتوها برای تعیین چگونگی پروتئین است.به گفته DeepMind این کار تجربی شکل حدود ۱۹۰۰۰۰ پروتئین را ایجاد کرده است.
نمایندگان DeepMind در بیانیه‌ای اعلام کردند: «این به‌روزرسانی شامل ساختارهای پیش‌بینی‌شده برای گیاهان، باکتری‌ها، حیوانات و سایر موجودات است، و فرصت‌های جدیدی را برای محققان فراهم می‌کند تا از AlphaFold برای پیشبرد کار خود در موضوعات مهم، از جمله پایداری، ناامنی غذایی و بیماری‌های نادیده گرفته شده استفاده کنند». AlphaFold با جمع آوری دانش در مورد توالی اسید آمینه و فعل و انفعالات در تلاش برای تفسیر ساختارهای پروتئین کار می کند. این الگوریتم اکنون می تواند اشکال پروتئین را در چند دقیقه با دقت تا سطح اتم پیش بینی کند.
کاپلر گفت:« سرعت و دقت AlphaFold روند کشف دارو را تسریع می کند و ما تازه در ابتدای درک تأثیر آن بر رساندن سریعتر داروهای جدید به بیماران هستیم.»
کد خبر ۲۰۱۰۱۰۵۱۱.۵۰۹
