โมเดลและแพลตฟอร์ม AI
ระบบ AI ค้นพบแผนผังสำหรับโปรตีนเทียม
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ทีมนักวิจัยจากโรงเรียนวิศวกรรมโมเลกุล Pritzker (PME) ของมหาวิทยาลัยชิคาโกได้สร้างระบบ AI ที่สามารถสร้างโปรตีนเทียมใหม่ๆ ได้โดยการวิเคราะห์ข้อมูลจำนวนมาก
โปรตีนเป็นโมเลกุลขนาดใหญ่ที่จำเป็นต่อการก่อสร้างเนื้อเยื่อในสิ่งมีชีวิต และมีความสำคัญต่อการมีชีวิตของเซลล์ โปรตีนถูกใช้โดยเซลล์เป็นตัวเร่งปฏิกิริยาเคมีเพื่อทำให้ปฏิกิริยาเคมีต่างๆ เกิดขึ้น และเพื่อทำงานที่ซับซ้อน หากนักวิทยาศาสตร์สามารถสร้างโปรตีนเทียมได้อย่างน่าเชื่อถือ ก็อาจเปิดโอกาสให้ได้รับวิธีการใหม่ๆ ในการดักจับคาร์บอน การเก็บเกี่ยวพลังงาน และการรักษาโรค โปรตีนเทียมมีพลังในการเปลี่ยนแปลงโลกของเราอย่างมาก ตามรายงานของ EurekaAlert การพัฒนาล่าสุดโดยนักวิจัยที่ PME มหาวิทยาลัยชิคาโกได้นำนักวิทยาศาสตร์เข้าใกล้เป้าหมายนี้มากขึ้น
ทีมนักวิจัยได้สร้างแบบจำลองการเรียนรู้ของเครื่องโดยใช้ข้อมูลจากฐานข้อมูลจีโนม เมื่อแบบจำลองเหล่านี้เรียนรู้แล้ว ก็เริ่มแยกแยะรูปแบบพื้นฐานที่ซ่อนอยู่ ซึ่งเป็นกฎการออกแบบที่ทำให้สามารถสร้างโปรตีนเทียมได้ เมื่อนักวิจัยสังเคราะห์โปรตีนเหล่านี้ในห้องปฏิบัติการ พบว่าโปรตีนเทียมที่สร้างขึ้นมีปฏิกิริยาเคมีที่มีประสิทธิภาพใกล้เคียงกับโปรตีนธรรมชาติ
ตามที่ Joseph Regenstein Professor ที่ PME UC Rama Ranganathan กล่าวว่า ข้อมูลจีโนมมีข้อมูลจำนวนมากเกี่ยวกับหน้าที่พื้นฐานและโครงสร้างของโปรตีน โดยใช้การเรียนรู้ของเครื่องเพื่อรับรู้โครงสร้างเหล่านี้ นักวิจัยสามารถ “จับกฎของธรรมชาติเพื่อสร้างโปรตีนของเราเอง”
นักวิจัยได้เน้นไปที่เอนไซม์ทาง 代謝 โดยเฉพาะโปรตีนในครอบครัว chorismate mutase ซึ่งจำเป็นต่อการมีชีวิตในพืช ฟังไจ และแบคทีเรียหลายชนิด
Ranganathan และผู้ร่วมงานตระหนักว่าฐานข้อมูลจีโนมมีข้อมูลที่รอการค้นพบโดยนักวิทยาศาสตร์ แต่วิธีการแบบดั้งเดิมในการกำหนดกฎเกี่ยวกับโครงสร้างและหน้าที่ของโปรตีนมีผลลัพธ์ที่จำกัด ทีมนักวิจัยจึงตั้งเป้าหมายในการออกแบบแบบจำลองการเรียนรู้ของเครื่องเพื่อเปิดเผยกฎการออกแบบเหล่านี้ การค้นพบของแบบจำลองเหล่านี้ชี้ให้เห็นว่าลำดับเทียมใหม่สามารถสร้างขึ้นได้โดยการอนุรักษ์ตำแหน่งกรดอะมิโนและความสัมพันธ์ในวิวัฒนาการของกรดอะมิโนคู่
ทีมนักวิจัยได้สร้างยีนสังเคราะห์ที่เข้ารหัสลำดับกรดอะมิโนเพื่อสร้างโปรตีนเหล่านี้ พวกเขาคลोनแบคทีเรียด้วยยีนสังเคราะห์เหล่านี้ และพบว่าแบคทีเรียใช้โปรตีนเทียมเหล่านี้ในเครื่องจักรเซลล์ของพวกมัน โดยทำงานเหมือนกับโปรตีนปกติ
ตามที่ Ranganathan อธิบายกับ EurekaAlert
“ข้อจำกัดมีขนาดเล็กกว่าที่เราคิดไว้ มีความเรียบง่ายในกฎการออกแบบของธรรมชาติ และเราคิดว่าแนวทางที่คล้ายกันสามารถช่วยให้เราค้นหาคำตอบในการออกแบบในระบบที่ซับซ้อนอื่นๆ ในชีววิทยา เช่นระบบนิเวศหรือสมอง”
Ranganathan และผู้ร่วมงานต้องการนำแบบจำลองเหล่านี้ไปใช้และสร้างแพลตฟอร์มที่นักวิทยาศาสตร์สามารถใช้เพื่อทำความเข้าใจว่าโปรตีนถูกสร้างขึ้นและทำงานอย่างไร พวกเขาหวังว่าจะใช้ระบบ AI ของตนเพื่อช่วยให้นักวิทยาศาสตร์คนอื่นๆ ค้นพบโปรตีนที่สามารถจัดการกับปัญหาที่สำคัญ เช่น การเปลี่ยนแปลงสภาพภูมิอากาศ Ranganathan และ Associate Professor Andrew Ferguson ได้สร้างบริษัท Evozyne ซึ่งมีเป้าหมายในการพาณิชย์เทคโนโลยีนี้และสนับสนุนการใช้งานในด้านเกษตรกรรม พลังงาน และสิ่งแวดล้อม
การทำความเข้าใจความคล้ายคลึงกันระหว่างโปรตีนและความสัมพันธ์ระหว่างโครงสร้างและหน้าที่อาจช่วยให้สามารถสร้างยาที่มีประสิทธิภาพใหม่ๆ และรูปแบบการรักษาได้ แม้ว่าการพับโปรตีนจะถูกมองว่าเป็นปัญหาที่ยากมากสำหรับคอมพิวเตอร์ แต่ข้อมูลเชิงลึกจากแบบจำลองเช่นนี้อาจช่วยให้การคำนวณเหล่านี้เร็วขึ้น และช่วยให้สามารถสร้างยาที่อาศัยโปรตีนเหล่านี้ได้ ยาอาจถูกพัฒนาขึ้นเพื่อหยุดการสร้างโปรตีนในไวรัส ซึ่งอาจช่วยในการรักษาไวรัสใหม่ๆ เช่น ไวรัสโคโรนา
Ranganathan และทีมนักวิจัยยังคงต้องเข้าใจว่าแบบจำลองเหล่านี้ทำงานและสร้างแผนผังโปรตีนได้อย่างไร เป้าหมายถัดไปของทีมนักวิจัยคือการทำความเข้าใจคุณลักษณะที่แบบจำลองเหล่านี้พิจารณาเพื่อสรุปผลลัพธ์
