هوش مصنوعی اکنون می تواند پروتئین هایی را طراحی کند که مانند ترانزیستورهای بیولوژیکی رفتار کنند

بازنشر افلاطون

دنبال: 0

ما اغلب پروتئین ها را به عنوان مجسمه های سه بعدی غیرقابل تغییر در نظر می گیریم.

این کاملا درست نیست. بسیاری از پروتئین ها ترانسفورماتورهایی هستند که بسته به نیازهای بیولوژیکی می پیچند و شکل خود را تغییر می دهند. یک پیکربندی ممکن است سیگنال های مخرب ناشی از سکته مغزی یا حمله قلبی را منتشر کند. دیگری ممکن است آبشار مولکولی حاصل را مسدود کند و آسیب را محدود کند.

به نوعی، پروتئین ها مانند ترانزیستورهای بیولوژیکی عمل می کنند - سوئیچ های روشن و خاموش در ریشه "رایانه" مولکولی بدن که نحوه واکنش آن به نیروها و بازخوردهای خارجی و داخلی را تعیین می کند. دانشمندان مدت‌هاست که این پروتئین‌های تغییر شکل را مطالعه کرده‌اند تا نحوه عملکرد بدن ما را رمزگشایی کنند.

اما چرا تنها به طبیعت تکیه کنیم؟ آیا می‌توانیم «ترانزیستورهای» بیولوژیکی را که برای جهان زیستی ناشناخته هستند، از ابتدا ایجاد کنیم؟

هوش مصنوعی را وارد کنید. چندین روش یادگیری عمیق می توانند ساختارهای پروتئین را به دقت پیش بینی کنند.پیشرفتی که نیم قرن در حال ساخت است. مطالعات بعدی با استفاده از الگوریتم‌هایی که به طور فزاینده‌ای قدرتمند می‌شوند، ساختارهای پروتئینی را توهم می‌کنند که توسط نیروهای تکامل به هم متصل نشده‌اند.

با این حال، این ساختارهای تولید شده توسط هوش مصنوعی یک سقوط دارند: اگرچه بسیار پیچیده هستند، اما اکثر آنها کاملاً ساکن هستند - اساساً نوعی مجسمه پروتئین دیجیتالی که در زمان منجمد شده است.

یک مطالعه جدید in علم این ماه با افزودن انعطاف پذیری به پروتئین های طراح، قالب را شکست. سازه‌های جدید انقباض بدون محدودیت نیستند. با این حال، پروتئین های طراح بسته به یک "قفل" بیولوژیکی خارجی می توانند به دو شکل مختلف تثبیت شوند - یک لولا را در یک پیکربندی باز یا بسته در نظر بگیرید. هر حالت مشابه "0" یا "1" یک کامپیوتر است که متعاقباً خروجی سلول را کنترل می کند.

دکتر فلوریان پراتوریوس، نویسنده این مطالعه در دانشگاه واشنگتن گفت: «پیش از این، ما فقط می‌توانستیم پروتئین‌هایی بسازیم که دارای یک پیکربندی پایدار بودند. اکنون، ما در نهایت می‌توانیم پروتئین‌هایی ایجاد کنیم که حرکت می‌کنند، که باید طیف فوق‌العاده‌ای از کاربردها را باز کند.»

دکتر دیوید بیکر، نویسنده اصلی، ایده‌هایی دارد: «از شکل‌گیری نانوساختارهایی که به مواد شیمیایی در محیط پاسخ می‌دهند تا کاربرد در دارورسانی، ما تازه شروع به استفاده از پتانسیل آنها کرده‌ایم.»

یک ازدواج پروتئینی ساخته شده در هوش مصنوعی

کمی سریع زیست شناسی 101.

پروتئین ها بدن ما را می سازند و اداره می کنند. این درشت مولکول ها سفر خود را از DNA آغاز می کنند. اطلاعات ژنتیکی به اسیدهای آمینه، بلوک‌های سازنده یک پروتئین ترجمه می‌شود - مهره‌ها را روی یک رشته تصویر کنید. سپس هر رشته به شکل های سه بعدی پیچیده تا می شود و برخی از قسمت ها به قسمت های دیگر می چسبند. برخی از پیکربندی‌ها که ساختارهای ثانویه نامیده می‌شوند، شبیه Twizzlers هستند. برخی دیگر ورقه های فرش مانند می بافند. این اشکال بیشتر بر روی یکدیگر ساخته می شوند و معماری های پروتئینی بسیار پیچیده ای را تشکیل می دهند.

با درک چگونگی شکل گیری پروتئین ها، می توانیم به طور بالقوه پروتئین های جدیدی را از ابتدا مهندسی کنیم، جهان بیولوژیکی را گسترش دهیم و سلاح های جدیدی در برابر عفونت های ویروسی و سایر بیماری ها ایجاد کنیم.

در سال 2020، آلفا فولد شرکت دیپ مایند و RoseTTAFold آزمایشگاه دیوید بیکر، اینترنت زیست‌شناسی ساختاری را با پیش‌بینی دقیق ساختارهای پروتئینی بر اساس توالی‌های اسید آمینه‌شان شکستند.

از آن زمان، مدل‌های هوش مصنوعی شکل تقریباً هر پروتئین شناخته شده و ناشناخته را برای علم پیش‌بینی کرده‌اند. این ابزارهای قدرتمند در حال حاضر در حال تغییر شکل تحقیقات بیولوژیکی هستند و به دانشمندان کمک می کنند تا به سرعت اهداف بالقوه را شناسایی کنند مبارزه با مقاومت آنتی بیوتیکی، بررسی "مسکن" DNA ما, واکسن های جدید تولید کند یا حتی بیماری هایی که مغز را ویران می کنند، مانند فلج مرتعش.

سپس بمبی به وجود آمد: مدل های مولد هوش مصنوعی، مانند DALL-E و ChatGPT، چشم انداز وسوسه انگیزی را ارائه کردند. به جای پیش بینی ساختارهای پروتئینی، چرا که نه رویای هوش مصنوعی داشته باشید کاملا رمان ساختار پروتئین در عوض؟ از پروتئینی که به هورمون ها متصل می شود تا سطح کلسیم را تنظیم کند آنزیم های مصنوعی که کاتالیزگر بیولومینسانس است، نتایج اولیه شور و شوق را برانگیخت و پتانسیل پروتئین های طراحی شده با هوش مصنوعی بی پایان به نظر می رسید.

در رأس این اکتشافات، آزمایشگاه بیکر قرار دارد. مدت کوتاهی پس از انتشار RoseTTAFold، آنها الگوریتمی را توسعه دادند تا مکان‌های عملکردی یک پروتئین را مشخص کند - جایی که با پروتئین‌ها، داروها یا آنتی‌بادی‌های دیگر تعامل دارد - و راه را برای دانشمندان هموار کرد. خواب دیدن داروهای جدیدی که آنها هنوز تصور نکرده اند.

با این حال یک چیز از دست رفته بود: انعطاف پذیری. تعداد زیادی از پروتئین ها برای تغییر پیام بیولوژیکی خود به شکل "کد تغییر می کنند". نتیجه می تواند به معنای واقعی کلمه زندگی یا مرگ باشد: برای مثال پروتئینی به نام Bax، شکل آن را تغییر می دهد به ترکیبی که باعث مرگ سلولی می شود. آمیلوئید بتا، پروتئینی که در بیماری آلزایمر دخیل است، ظاهراً شکل متفاوتی به خود می گیرد زیرا به سلول های مغز آسیب می رساند.

هوش مصنوعی که پروتئین‌های فلیپ فلاپ مشابه را توهم می‌کند، می‌تواند ما را به درک و جمع‌بندی این معماهای بیولوژیکی نزدیک‌تر کند و به راه‌حل‌های پزشکی جدید منجر شود.

لولا، خط و سینک

طراحی یک پروتئین در سطح اتمی - و امید به کارکرد آن در یک سلول زنده - سخت است. طراحی یکی با دو پیکربندی یک کابوس است.

به عنوان یک قیاس آزاد، به کریستال های یخ در یک ابر فکر کنید که در نهایت به دانه های برف تبدیل می شوند که هر کدام از نظر ساختار متفاوت هستند. وظیفه هوش مصنوعی این است که پروتئین هایی بسازد که بتوانند با استفاده از یک آمینو اسید "کریستال های یخ" بین دو "دانه های برف" متفاوت جابجا شوند و هر حالت مربوط به یک کلید "روشن" یا "خاموش" باشد. علاوه بر این، پروتئین باید درون سلول های زنده خوب بازی کند.

تیم با چندین قانون شروع کرد. اول، هر ساختار باید بین دو حالت بسیار متفاوت به نظر برسد - مانند نمایه انسان ایستاده یا نشسته. این تیم توضیح داد که آنها می توانند این را با اندازه گیری فاصله بین اتم ها بررسی کنند. دوم، تغییر باید سریع اتفاق بیفتد. این بدان معناست که پروتئین نمی تواند به طور کامل قبل از اینکه خودش را به شکل دیگری در هم بچسباند، باز شود، که زمان می برد.

سپس برخی از دستورالعمل‌های اساسی برای یک پروتئین کاربردی وجود دارد: این پروتئین باید در هر دو حالت با مایعات بدن خوب بازی کند. در نهایت، باید به عنوان یک سوئیچ عمل کند و شکل خود را بسته به ورودی و خروجی تغییر دهد.

به گفته تیم تحقیقاتی، برآورده کردن تمام این خواص در یک سیستم پروتئینی چالش برانگیز است.

با استفاده از ترکیبی از AlphaFold، Rosetta و proteinMPNN، طراحی نهایی شبیه یک لولا به نظر می رسد. دارای دو بخش سفت و سخت است که می توانند نسبت به یکدیگر حرکت کنند، در حالی که یک قطعه دیگر تا شده باقی می ماند. به طور معمول پروتئین بسته است. ماشه یک پپتید کوچک - زنجیره کوتاهی از اسیدهای آمینه - است که به لولاها متصل می شود و باعث تغییر شکل آن می شود. این به‌اصطلاح «پپتیدهای مؤثر» به‌دقت برای اختصاصی بودن طراحی شده‌اند و شانس آن‌ها را برای گرفتن قطعات خارج از هدف کاهش می‌دهند.

این تیم ابتدا پپتیدهای محرک درخشش در تاریکی را به چندین طرح لولا اضافه کردند. تجزیه و تحلیل بعدی نشان داد که ماشه به راحتی به لولا می خورد. پیکربندی پروتئین تغییر کرد. به عنوان یک بررسی سلامت عقل، شکلی بود که قبلاً با استفاده از تحلیل هوش مصنوعی پیش‌بینی شده بود.

مطالعات اضافی با استفاده از ساختارهای متبلور طرح های پروتئینی، چه با یا بدون عامل، نتایج را بیشتر تایید کرد. این آزمایش‌ها همچنین اصول طراحی را که باعث کارکرد لولا می‌شوند و پارامترهایی که یک حالت را به حالت دیگر منحرف می‌کنند، کشف کردند.

برداشتن؟ هوش مصنوعی اکنون می‌تواند پروتئین‌هایی را با دو حالت مختلف طراحی کند که اساساً ترانزیستورهای بیولوژیکی برای زیست‌شناسی مصنوعی می‌سازد. در حال حاضر، این سیستم تنها در مطالعات خود از پپتیدهای مؤثر طراحی شده سفارشی استفاده می کند که ممکن است پتانسیل تحقیقاتی و بالینی را محدود کند. اما به گفته این تیم، این استراتژی می‌تواند به پپتیدهای طبیعی نیز گسترش یابد، مانند آنهایی که پروتئین‌های دخیل در تنظیم قند خون را به هم متصل می‌کنند، آب را در بافت‌ها تنظیم می‌کنند یا بر فعالیت مغز تأثیر می‌گذارند.

این تیم گفت: «مانند ترانزیستورها در مدارهای الکترونیکی، ما می‌توانیم سوئیچ‌ها را به خروجی‌ها و ورودی‌های خارجی متصل کنیم تا دستگاه‌های حسگر ایجاد کنیم و آنها را در سیستم‌های پروتئینی بزرگ‌تر بگنجانیم».

دکتر فیلیپ لیونگ، نویسنده این مطالعه، می‌افزاید: «این می‌تواند بیوتکنولوژی را به همان شیوه‌ای که ترانزیستورها الکترونیک را متحول کردند، متحول کند».

اعتبار تصویر: Ian C Haydon/ موسسه طراحی پروتئین UW