هوش مصنوعی «دیپ‌مایند» گوگل توانسته است ساختار سه بعدی تقریبا همه پروتئینهایی را که در علم شناخته شده‌اند، پیش‌بینی کند. این پیشرفت می‌تواند به شناخت بهتر بیماری‌های نادر ژنتیکی منجر شود و همچنین به ساخت واکسن‌ها و داروهای جدید کمک کند.
به گزارش هفت‌گرد، دیپ مایند اعلام کرد که هوش مصنوعی «آلفا فولد» (AlphaFold)، توانسته است از ساختار بیش از ۲۰۰ میلیون پروتئین – یعنی کل «دنیای پروتئین‌ها» که دانشمندان تاکنون شناخته‌اند، رمزگشایی کند.
پروتئین‌ها اجزای سازنده حیات‌اند و وظایف بی‌شماری را در بدن انجام می‌دهند از جمله به عنوان واحدهای سازنده، مولکول‌های انتقال‌دهنده و همچنین کاتالیزورهای کاربردی واکنش‌های شیمیایی در بدن به عنوان آنزیم، نقش ایفا می‌کنند.
ساختار سه بعدی منحصربه‌فردی که هر یک از این پروتئین‌ها در بدن می‌گیرند، از طریق تا شدن زنجیره‌های مولکول اسید آمینه تشکیل‌دهنده‌شان، نقش عمده‌ای در عملکرد آن‌ها ایفا می‌کند.
زیست‌شناسان طی دهه‌ها سعی کرده‌اند ساختارهای پروتئینی را از طریق روش‌های آزمایشی پرهزینه، از جمله استفاده از روش‌های زمان‌بر، مانند کریستالوگرافی (بلورنگاری) اشعه ایکس یا میکروسکوپ الکترونی، پیش‌بینی کنند.
با ظهور رایانه‌ها، محققان مدل‌های مجازی ساخته‌اند که نشان می‌دهد چگونه زنجیره‌های آمینواسیدی تشکیل‌دهنده پروتئین‌ها در شرایط مختلف تا می‌شوند و به شکل‌گیری ساختار کلی سه‌بعدی پروتئین‌ها می‌انجامند.
بیش از نیم میلیون پژوهشگر در سراسر جهان از زمان رونمایی از «آلفا فولد» در سال ۲۰۲۰، از این برنامه هوش مصنوعی برای رمزگشایی از ساختار تقریبا تمام پروتئینهایی که «در علم شناسایی و فهرست‌بندی شده‌اند» استفاده کرده‌اند.
بر اساس اعلام این شرکت، حدود ۱۰۰ هزار ساختار تاشونده از پروتئین‌های شناخته‌شده در اختیار آلفا فولد قرار گرفته است – و همچنین پروتئینهایی را که ساختارشان قبلا دانشمندان رمزگشایی کرده بودند- و هوش مصنوعی با الگو گرفتن از آن‌ها توانسته است از سایر پروتئین‌ها رمزگشایی کند.
به گفته دیپ مایند، در جریان جدیدترین پیشرفت صورت‌گرفته، پایگاه داده‌های ساختار پروتئین آلفا فولد (AlphaFold DB) از حدودا ۱ میلیون ساختار به بیش از ۲۰۰ میلیون ساختار گسترش پیدا می‌کند و آهنگ پیشرفت ما در حل مشکلات مهم دنیای واقعی «از آلودگی پلاستیکی گرفته تا مقاومت آنتی‌بیوتیکی را سرعت می‌بخشد.»
دیپ مایند در به‌روزرسانی جدید خود، ساختارهای پیش‌بینی‌شده پروتئین‌های موجود در گیاهان، باکتری‌ها، حیوانات و سایر موجودات زنده را هم اضافه کرده است که این خود می‌تواند به حل مسائل مهم جهانی، از جمله پایداری، ناامنی غذایی، و بیماری‌هایی که مورد بی‌توجهی قرار گرفته‌اند، کمک کند.
دمیس هسابیس، مدیر دیپ مایند، در یک کنفرانس مطبوعاتی گفت: «روی کشف تمامی پروتئین‌های شناخته‌شده در جهان حساب کنید. اکنون در آغاز دوره جدیدی در زیست‌شناسی دیجیتال به سر می‌بریم.»
دانشمندان با پیش‌بینی‌های ساختاری جدید، می‌توانند درک بهتری از این پرسش داشته باشند که آیا ارتباطی میان شکل‌های مختلف پروتئین‌ها که بین افراد متفاوت است از یک سو، و بیماری‌ها از سوی دیگر، وجود دارد یا خیر.
به‌عنوان مثال، ساختارهای پروتئینی که آلفا فولد آن‌ها را پیش‌بینی کرده است می‌تواند به تولید داروهایی برای بیماری‌های مناطق استوایی که نادیده گرفته شده‌اند، کمک کنند. بیماری‌هایی مانند سالک و بیماری شاگاس – بیماری‌هایی که به‌صورت نامتناسبی بر مردم مناطق فقیرتر جهان تاثیر می‌گذارند.
دانشمندان دانشگاه ییل در ماه آوریل، از پایگاه داده‌های ساختار پروتئین آلفا فولد (AlphaFold DB) برای ساخت واکسن جدید مالاریا استفاده کردند.
دانشمندان با رمزگشایی از ساختار پروتئین‌های کلیدی در بدن که با بیماری‌ها ارتباط دارند، می‌توانند داروهایی را مدل‌سازی کنند که به نحو موثری پروتئین‌ها را فعال کنند، یا وظایف پروتئینهایی را که به درستی کار نمی‌کنند بر عهده بگیرند و آن دسته از پروتئینهایی را که باعث بروز مشکلات می‌شوند از میان ببرند.
رمزگشایی ساختارهای پروتئینی نه تنها به درمان بیماری‌ها کمک می‌کند، بلکه می‌تواند به راهکارهای مهندسی برای مسائل زیست محیطی جهانی نیز کمک کند.
برای مثال، محققان و هوش مصنوعی «دیپ مایند» دست‌به‌دست هم داده‌اند که برای تجزیه و بازیافت برخی از آلوده‌ترین پلاستیک‌های یک‌بار مصرف جهان، آنزیم‌هایی با عملکرد سریع‌تر تولید کنند.
اریک توپول، بنیانگذار و مدیر موسسه تحقیقاتی اسکریپس (SRTI)، می‌گوید: «پیشرفتی منحصربه‌فرد و مهم در علوم زیستی که قدرت هوش مصنوعی آلفا فولد را به‌خوبی نشان می‌دهد. تعیین ساختار سه بعدی پروتئینی قبلا چندین ماه یا سال طول می‌کشید، اما اکنون فقط چند ثانیه طول می‌کشد.»
دکتر توپول افزود: «آلفا فولد تاکنون به اکتشاف‌های چشمگیری از جمله شکستن و رمزگشایی از ساختار کمپلکس منفذ هسته‌ای (NPCs)، سرعت بخشیده و آن را ممکن کرده است. اکنون با ساختارهای جدید اضافه‌شده که دانش ما را از تقریبا کل دنیای پروتئین‌ها بسیار بیشتر می‌کند، می‌توانیم انتظار داشته باشیم که هر روز معماهای بیولوژیکی بیشتری حل شود.»