AI Systems აღმოაჩენს ხელოვნური ცილების გეგმებს

ჩიკაგოს უნივერსიტეტის პრიცკერის მოლეკულური ინჟინერიის სკოლის (PME) მკვლევართა ჯგუფმა ახლახანს მოახერხა ხელოვნური ინტელექტის სისტემის შექმნა, რომელსაც შეუძლია შექმნას სრულიად ახალი, ხელოვნური ცილები დიდი მონაცემების მაღაზიების ანალიზით.

ცილები არის მაკრომოლეკულები, რომლებიც აუცილებელია ცოცხალ არსებებში ქსოვილების კონსტრუქციისთვის და ზოგადად უჯრედების სიცოცხლისთვის კრიტიკულია. ცილებს უჯრედები იყენებენ, როგორც ქიმიურ კატალიზატორებს სხვადასხვა ქიმიური რეაქციების განსახორციელებლად და რთული ამოცანების შესასრულებლად. თუ მეცნიერებს შეუძლიათ გაარკვიონ, თუ როგორ უნდა შექმნან ხელოვნური ცილების საიმედო ინჟინერია, ამან შეიძლება გახსნას კარი ნახშირბადის დაჭერის ახალი გზების, ენერგიის აღების ახალი მეთოდებისა და დაავადების ახალი მკურნალობისთვის. ხელოვნურ ცილებს აქვთ ძალა მკვეთრად შეცვალონ სამყარო, რომელშიც ჩვენ ვცხოვრობთ. იტყობინება EurekaAlertჩიკაგოს PME უნივერსიტეტის მკვლევართა ბოლო მიღწევამ მეცნიერები ამ მიზნებთან უფრო დააახლოვა. PME-ის მკვლევარებმა გამოიყენეს მანქანათმცოდნეობის ალგორითმები, რათა შეემუშავებინათ სისტემა, რომელსაც შეუძლია ცილის ახალი ფორმების გენერირება.

კვლევითმა ჯგუფმა შექმნა მანქანათმცოდნეობის მოდელები, რომლებიც მომზადებული იყო სხვადასხვა გენომიური მონაცემთა ბაზებიდან ამოღებულ მონაცემებზე. როგორც მოდელებმა შეიტყვეს, მათ დაიწყეს საერთო ძირითადი შაბლონების, დიზაინის მარტივი წესების გარჩევა, რაც ხელოვნური ცილების შექმნის საშუალებას იძლევა. შაბლონების აღების და შესაბამისი ცილების ლაბორატორიაში სინთეზის შემდეგ, მკვლევარებმა დაადგინეს, რომ ხელოვნური ცილები ქმნიან ქიმიურ რეაქციებს, რომლებიც დაახლოებით ისეთივე ეფექტურია, როგორც ბუნებრივად წარმოქმნილი ცილების მიერ გამოწვეული რეაქციები.

PME UC-ის პროფესორის ჯოზეფ რეგენშტეინის, რამა რანგანათანის თქმით, მკვლევარებმა დაადგინეს, რომ გენომის მონაცემები შეიცავს უამრავ ინფორმაციას ცილების ძირითადი ფუნქციებისა და სტრუქტურების შესახებ. ამ საერთო სტრუქტურების ამოცნობისთვის მანქანური სწავლის გამოყენებით, მკვლევარებმა „შეძლეს ბუნების წესების ჩამოსხმა, რათა თავად შეგვექმნა ცილები“.

ამ კვლევისთვის მკვლევარებმა ყურადღება გაამახვილეს მეტაბოლურ ფერმენტებზე, კონკრეტულად ცილების ოჯახზე, რომელსაც ეწოდება ქორიზმატი მუტაზა. ცილების ეს ოჯახი აუცილებელია მცენარეების, სოკოების და ბაქტერიების მრავალფეროვნებაში სიცოცხლისთვის.

რანგანათანმა და თანამშრომლებმა გააცნობიერეს, რომ გენომის მონაცემთა ბაზები შეიცავდა მეცნიერთა მიერ აღმოჩენას, მაგრამ ცილის სტრუქტურისა და ფუნქციის წესების განსაზღვრის ტრადიციულ მეთოდებს მხოლოდ შეზღუდული წარმატება ჰქონდა. გუნდმა შეადგინა მანქანური სწავლების მოდელები, რომლებსაც შეუძლიათ ამ დიზაინის წესების გამოვლენა. მოდელის დასკვნები გულისხმობს, რომ ახალი ხელოვნური თანმიმდევრობები შეიძლება შეიქმნას ამინომჟავების პოზიციებისა და კორელაციების შენარჩუნებით ამინომჟავების წყვილების ევოლუციაში.

მკვლევართა ჯგუფმა შექმნა სინთეზური გენები, რომლებიც ახდენენ ამ ცილების წარმომქმნელ ამინომჟავების თანმიმდევრობას. მათ მოახდინეს ბაქტერიების კლონირება ამ სინთეზური გენებით და დაადგინეს, რომ ბაქტერიები იყენებდნენ სინთეზურ ცილებს თავიანთ ფიჭურ აპარატში, ფუნქციონირებს თითქმის ისევე, როგორც ჩვეულებრივი ცილები.

რანგანათანის თქმით, მარტივი წესები, რომლებიც მათ AI გამოარჩევდა, შეიძლება გამოყენებულ იქნას წარმოუდგენელი სირთულისა და მრავალფეროვნების ხელოვნური ცილების შესაქმნელად. როგორც Ranganathan განუმარტა EurekaAlert-ს:

„შეზღუდვები გაცილებით მცირეა, ვიდრე ჩვენ ოდესმე წარმოვიდგენდით. ბუნების დიზაინის წესებში სიმარტივეა და ჩვენ გვჯერა, რომ მსგავსი მიდგომები დაგვეხმარება დიზაინის მოდელების მოძიებაში ბიოლოგიის სხვა რთულ სისტემებში, როგორიცაა ეკოსისტემები ან ტვინი.

რანგანათანს და თანამშრომლებს სურთ აიღონ მათი მოდელები და განზოგადონ ისინი, შექმნან პლატფორმა, რომელსაც მეცნიერებს შეუძლიათ გამოიყენონ უკეთესად იმის გასაგებად, თუ როგორ იქმნება ცილები და რა ეფექტები აქვთ მათ. ისინი იმედოვნებენ, რომ გამოიყენებენ თავიანთი ხელოვნური ინტელექტის სისტემებს, რათა სხვა მეცნიერებს საშუალება მისცენ აღმოაჩინონ ცილები, რომლებსაც შეუძლიათ ისეთი მნიშვნელოვანი საკითხების მოგვარება, როგორიცაა კლიმატის ცვლილება. რანგანათანმა და ასოცირებულმა პროფესორმა ენდრიუ ფერგიუსონმა შექმნეს კომპანია სახელწოდებით Evozyne, რომელიც მიზნად ისახავს ტექნოლოგიის კომერციალიზაციას და მის გამოყენებას ისეთ სფეროებში, როგორიცაა სოფლის მეურნეობა, ენერგეტიკა და გარემო.

პროტეინებს შორის საერთო კავშირების გაგება და სტრუქტურასა და ფუნქციას შორის ურთიერთობები ასევე შეიძლება დაეხმაროს შექმნას ახალი წამლები და თერაპიის ფორმები. მიუხედავად იმისა, რომ ცილის დაკეცვა დიდი ხანია ითვლებოდა კომპიუტერებისთვის წარმოუდგენლად რთულ პრობლემად, რანგანათანის გუნდის მიერ წარმოებული მოდელებისგან მიღებული შეხედულებები შეიძლება დაეხმაროს ამ გამოთვლების წარმოების სიჩქარის გაზრდას, რაც ხელს შეუწყობს ამ ცილებზე დაფუძნებული ახალი წამლების შექმნას. შეიძლება შეიქმნას წამლები, რომლებიც ბლოკავს ცილების შექმნას ვირუსებში, პოტენციურად ეხმარება ისეთი ახალი ვირუსების მკურნალობაშიც კი, როგორიცაა Covid-19 კორონავირუსი.

რანგანათანმა და დანარჩენმა მკვლევარმა გუნდმა ჯერ კიდევ უნდა გაიგონ, როგორ და რატომ მუშაობს მათი მოდელები და როგორ აწარმოებენ საიმედო ცილის გეგმებს. კვლევითი ჯგუფის შემდეგი მიზანია უკეთ გაიგოს, რა ატრიბუტებს ითვალისწინებენ მოდელები თავიანთი დასკვნების მისაღებად.