جذب پروتئینهای مصنوعی به کمک یادگیری ماشینی
به گزارش کارگروه فناوری اطلاعات سایبربان؛ پروتئینها، مولکولهای اساسی برای زندگی هستند و توانایی انجام بسیاری کارها مانند ایجاد ساختارها یا کاتالیزور واکنشهای شیمیایی را دارند. سالها دانشمندان و مهندسان به دنبال راهی برای ایجاد پروتئینهای جدید و مجبور کردن آنها در انجام کارهای جدید بودند. به کمک یادگیری ماشینی، این هدف به نظر نزدیک میرسد.
محققان دانشکده مهندسی مولکولی پریتزکر (Pritzker)، «PME»، در دانشگاه شیکاگو یک هوش مصنوعی ایجاد کردند که از الگوریتمهای یادگیری ماشینی برای طراحی پروتئینهای جدید استفاده میکند.
دانشمندان با بهرهگیری از بانکهای اطلاعاتی عظیم پروتئینها، که از رمزگشایی ژنوم بسیاری از گونههای زنده ایجاد شدهاند، یک قانون نسبتاً ساده برای ساخت پروتئینهای جدید پیدا کردهاند. محققان با تولید آنها در آزمایشگاه، به این نتیجه رسیدند که آنها میتوانند با پروتئینهای تولید شده در طبیعت رقابت کنند.
راما انگاناتان (Rama Ranganathan)، استاد بیوشیمی و زیستشناسی مولکولی در دانشکده مهندسی مولکولی پریتزکر گفت :
«ما همیشه به دنبال پاسخ این سؤال بودیم که چطور یک فرآیند نسبتاً ساده مانند تکامل باعث ایجاد مواد با راندمان بالا مانند پروتئینها شده است. بعد فهمیدیم که ژنوم حاوی تعداد زیادی از دادهها در مورد ساختارهای اساسی پروتئینها است، درنتیجه ما میتوانیم از قوانین طبیعت برای ایجاد پروتئینهای مصنوعی استفاده کنیم.»
پروتئینها، از هزاران اسید آمینه و ترکیب زنجیره بسیار خاص ساختار و عملکرد پروتئین مانند روشن و خاموش کردن ژنها تشکیل شدهاند. با این حال، درک چگونگی ایجاد توالی منجر به پروتئین جدید با توانایی انجام کارهای جدید بسیار پیچیده است. رانگاناتان و همکارانش 15 سال گذشته را صرف تجزیه و تحلیل دادههای موجود در ژنومهای مختلف کردند و اطلاعات زیادی در مورد کارهای اساسی این مولکولها به دست آوردند و از آنها برای تغذیه هوش مصنوعی استفاده کردند.
مدل توسعه یافته نشان داد كه حفظ جایگاه اسیدهای آمینه خاص و همبستگیها در رشد جفتها کافی است، تا مطمئن شوید كه پروتئین جدید كاركردهای مشابه، با هدف تقلید عملکردهای خانوداه مدنظر شما، را انجام میدهد.
رانگاناتان توضیح داد :
«بهطور کلی ما فکر میکنیم که برای ساخت یک چیز، اول باید نحوه عملکرد آن را کاملاً درک کرد. اما اگر اطلاعات کافی داشته باشیم، میتوانیم از روشهای یادگیری ماشینی برای ساخت قوانین اساسی حتی بدون درک نحوه کار یا علت آن استفاده کنیم.»
تیم تحقیقاتی، یک ژنوم مصنوعی ایجاد کردند که بعد از رمزگذاری پروتئینها، آنها را در برخی باکتریها برای تأیید قابلیت تولید مستقل قرار دادند؛ این آزمایش با موفقیت انجام شد. از آنجا که قوانین طراحی، کم و ساده هستند، باعث ایجاد تعداد زیادی پروتئین میشوند. این هدف در آینده امکان ایجاد پروتئینهای بسیار مشخصی برای مقابله با بیماریها، گرفتن دی اکسید کربن و از بین بردن پلاستیکها فراهم میکند. پاسخ بسیاری مشکلات بشر، میتواند همین پروتئین باشد.