أنظمة الذكاء الاصطناعي تكتشف خططًا لبروتينات اصطناعية

فريق من الباحثين من مدرسة بريتزكر للهندسة الجزيئية (PME) في جامعة شيكاغو نجح مؤخرًا في إنشاء نظام ذكاء اصطناعي يمكنه إنشاء بروتينات اصطناعية جديدة تمامًا عن طريق تحليل مخازن البيانات الكبيرة.

البروتينات هي جزيئات كبيرة الحجم ضرورية لبناء الأنسجة في الكائنات الحية، وحاسمة لحياة الخلايا بشكل عام. تستخدم الخلايا البروتينات كمحفزات كيميائية لجعل التفاعلات الكيميائية المختلفة تحدث ولإنجاز المهام المعقدة. إذا تمكنت العلماء من معرفة كيفية هندسة البروتينات الاصطناعية بشكل موثوق، يمكن أن يفتح ذلك الباب لطرق جديدة للاستفادة من الكربون، وطرق جديدة لاستخراج الطاقة، وعلاجات جديدة للأمراض. البروتينات الاصطناعية لها القدرة على تغيير العالم الذي نعيش فيه بشكل كبير. كما ذكرت EurekaAlert، فإن الإنجاز الأخير الذي حققه باحثو PME في جامعة شيكاغو قد أ đưa العلماء أقرب إلى هذه الأهداف. استخدم باحثو PME خوارزميات التعلم الآلي لتطوير نظام قادر على توليد أشكال بروتينية جديدة.

أنشأ فريق البحث نماذج التعلم الآلي مدربة على بيانات من قواعد بيانات جينومية مختلفة. كما تعلمت النماذج، بدأت في التمييز بين الأنماط الأساسية الشائعة، والقواعد البسيطة للتصميم، التي تمكن من إنشاء بروتينات اصطناعية. عند أخذ الأنماط وتركيب البروتينات المقابلة في المختبر، وجد الباحثون أن البروتينات الاصطناعية التي تم إنشاؤها كانت لها تفاعلات كيميائية فعالة تقريبًا مثل تلك التي تحفزها البروتينات الطبيعية.

وفقًا لأستاذ جوزيف ريجنستين في PME UC، راما رانجاناثان، وجد فريق البحث أن بيانات الجينوم تحتوي على كمية هائلة من المعلومات المتعلقة بالوظائف والهياكل الأساسية للبروتينات. من خلال استخدام التعلم الآلي للتعرف على هذه الهياكل الشائعة، كان الباحثون “قادرين على حصر قواعد الطبيعة لإنشاء بروتينات بأنفسنا”.

ركز الباحثون على إنزيمات الأيض، وخاصة عائلة من البروتينات تسمى chorismate mutase. هذه العائلة من البروتينات ضرورية للحياة في مجموعة واسعة من النباتات والفطريات والبكتيريا.

أدرك رانجاناثان وشركاؤه أن قواعد البيانات الجينومية تحتوي على رؤى تنتظر اكتشافها من قبل العلماء، ولكن الأساليب التقليدية لتحديد قواعد الهيكل والوظيفة للبروتينات لم تحقق سوى نجاحًا محدودًا. انطلق الفريق لتصميم نماذج التعلم الآلي قادرة على الكشف عن هذه القواعد التصميم. تشير نتائج النموذج إلى أن تسلسلات اصطناعية جديدة يمكن إنشاؤها من خلال الحفاظ على مواقع الأحماض الأمينية وترابطات تطور الأحماض الأمينية.

أنشأ فريق البحث جينات اصطناعية ترميز تسلسلات الأحماض الأمينية التي تنتج هذه البروتينات. لقد قاموا بتركيب البكتيريا بهذه الجينات الاصطناعية ووجدوا أن البكتيريا تستخدم البروتينات الاصطناعية في آلياتها الخلوية، وتعمل تقريبًا مثل البروتينات العادية.

وفقًا لرانجاناثان، يمكن استخدام القواعد البسيطة التي تميزها الذكاء الاصطناعي لإنشاء بروتينات اصطناعية معقدة ومتعددة. كما أوضح رانجاناثان لـ EurekaAlert:

“القيود أقل بكثير مما كنا نظن أنها ستكون. هناك بساطة في قواعد تصميم الطبيعة، ونحن نعتقد أن نهجًا مشابهًا يمكن أن يساعدنا في البحث عن نماذج للتصميم في أنظمة بيولوجية معقدة أخرى، مثل النظم البيئية أو الدماغ.”

يرغب رانجاناثان وشركاؤه في أخذ نماذجهم وتعميمها، وإنشاء منصة يمكن للعلماء من خلالها فهم كيفية بناء البروتينات وأثرها. يأملون في استخدام أنظمة الذكاء الاصطناعي لتمكين العلماء الآخرين من اكتشاف بروتينات يمكنها معالجة قضايا هامة مثل تغير المناخ. أنشأ رانجاناثان وأستاذ مساعد أندرو فيرغسون شركة تدعى Evozyne، التي تهدف إلى تسويق التكنولوجيا وتعزيز استخدامها في مجالات مثل الزراعة والطاقة والبيئة.

فهم القواسم المشتركة بين البروتينات، والعلاقات بين الهيكل والوظيفة، يمكن أن يساعد أيضًا في إنشاء أدوية جديدة و_forms من العلاج. على الرغم من أن طي البروتين كان يعتبر مشكلة صعبة للغاية للحواسيب، يمكن أن تساعد رؤى النماذج مثل تلك التي أنتجها فريق رانجاناثان في زيادة سرعة هذه الحسابات، وبالتالي يمكن إنشاء أدوية جديدة تستند إلى هذه البروتينات. يمكن تطوير أدوية تقوم بحظر إنشاء بروتينات داخل الفيروسات، وبالتالي يمكن أن تساعد في علاج الفيروسات الجديدة مثل فيروس كورونا.

لا يزال رانجاناثان وفريق البحث بحاجة إلى فهم كيفية عمل نماذجهم وكيف تنتج مخططات بروتينية موثوقة. هدف الفريق التالي هو فهم ما هي السمات التي تأخذها النماذج في الاعتبار لتوصل إلى استنتاجاتها.