پیش بینی تعاملات پروتئین با هوش مصنوعی

شماره :
۴۱۴۳۰
آخرین به روزرسانی :
سه شنبه ۱۴۰۲/۰۶/۲۸ ساعت ۱۶:۳۶
دسته بندی

پیش بینی تعاملات پروتئین با هوش مصنوعی

محققان دانشگاه UT Southwestern و دانشگاه واشنگتن یک تیم بین المللی را رهبری کردند که از هوش مصنوعی (AI) و تجزیه و تحلیل تکاملی برای تولید مدل های سه بعدی از تعاملات پروتئین یوکاریوتی استفاده کردند.

این مطالعه برای اولین بار بیش از ۱۰۰ کمپلکس پروتئینی محتمل را شناسایی کرد و مدل‌های ساختاری را برای بیش از ۷۰۰ کمپلکس که قبلاً مشخص نشده بودند ارائه کرد. بینش در مورد روش‌هایی که جفت‌ها یا گروه‌هایی از پروتئین‌ها برای انجام فرآیندهای سلولی در کنار هم قرار می‌گیرند، می‌تواند به انبوهی از اهداف دارویی جدید منجر شود.

دکتر کانگ توضیح داد که پروتئین ها اغلب به صورت جفت یا گروهی به نام کمپلکس عمل می کنند تا هر وظیفه ای را که برای زنده نگه داشتن ارگانیسم لازم است انجام دهند. در حالی که برخی از این فعل و انفعالات به خوبی مورد مطالعه قرار گرفته اند، بسیاری از آنها همچنان یک راز باقی مانده است. ساختن برهم کنش‌های جامع - یا توصیف مجموعه کاملی از برهمکنش‌های مولکولی در یک سلول - بسیاری از جنبه‌های اساسی زیست‌شناسی را روشن می‌کند و به محققان نقطه شروع جدیدی برای توسعه داروهایی می‌دهد که این فعل و انفعالات را تشویق یا منع می‌کنند.

تا همین اواخر، یک مانع اصلی برای ساخت یک اینتراکتوم، عدم قطعیت در مورد ساختار بسیاری از پروتئین‌ها بود، مشکلی که دانشمندان نیم قرن در تلاش برای حل آن بودند. در سال‌های ۲۰۲۰ و ۲۰۲۱، شرکتی به نام DeepMind و آزمایشگاه دکتر بیکر به‌طور مستقل دو فناوری هوش مصنوعی به نام‌های AlphaFold (AF) و RoseTTAFold (RF) را منتشر کردند که از استراتژی‌های مختلفی برای پیش‌بینی ساختارهای پروتئینی بر اساس توالی ژن‌های تولیدکننده آن‌ها استفاده می‌کنند.

در مطالعه حاضر، دکتر کونگ، دکتر بیکر و همکارانشان ابزارهای پیش‌بینی ساختار هوش مصنوعی را با مدل‌سازی بسیاری از مجتمع‌های پروتئین مخمر گسترش دادند. مخمر یک ارگانیسم مدل رایج برای مطالعات بنیادی بیولوژیکی است. برای یافتن پروتئین‌هایی که احتمالاً برهم‌کنش دارند، دانشمندان ابتدا ژنوم قارچ‌های مرتبط را برای یافتن ژن‌هایی که جهش‌هایی را به‌صورت مرتبط به دست آورده‌اند، جستجو کردند.

آن‌ها سپس از دو فناوری هوش مصنوعی برای تعیین اینکه آیا این پروتئین‌ها می‌توانند در ساختارهای سه‌بعدی با هم تناسب داشته باشند یا خیر، استفاده کردند. کار آنها ۱۵۰۵ کمپلکس پروتئینی احتمالی را شناسایی کرد. از این تعداد، ۶۹۹ مورد قبلاً از نظر ساختاری مشخص شده بودند، که سودمندی روش آنها را تأیید می کرد. با این حال، تنها داده های تجربی محدودی وجود داشت که از ۷۰۰ تعامل پیش بینی شده پشتیبانی می کرد و ۱۰۶ مورد دیگر هرگز شرح داده نشده بود.

برای درک بهتر این کمپلکس‌های ضعیف یا ناشناخته، تیم‌های دانشگاه واشنگتن و UT Southwestern با همکارانی در سراسر جهان که قبلاً این یا پروتئین‌های مشابه را مطالعه می‌کردند، کار کردند.

با ترکیب مدل‌های سه‌بعدی که دانشمندان در مطالعه فعلی با اطلاعات همکاران تولید کرده بودند، تیم‌ها توانستند بینش جدیدی در مورد مجتمع‌های پروتئینی که در نگهداری و پردازش اطلاعات ژنتیکی، ساخت و ساز سلولی و سیستم‌های انتقال، متابولیسم، ترمیم DNA، و سایر حوزه ها ارائه دهند. آنها همچنین نقش پروتئین هایی را شناسایی کردند که عملکرد آنها قبلاً بر اساس برهمکنش های تازه شناسایی شده آنها با سایر پروتئین های مشخص شده ناشناخته بود.

۲۰۱۰۰۰۸۳۰.۱۵۱

X