توقع كل البيولوجيا وصولاً إلى البروتينات: كيف يعرف الذكاء الاصطناعي المزيد عن أجسامنا أكثر مما نعرفه

لا يستطيع البشر فقط التنبؤ بمرض وراثي وخلق دواء جديد، بل أيضًا

الذكاء الاصطناعي، وهذا الأخير يتعامل مع المهمة بشكل أسرع بكثير.

كيف يدرس علماء الأحياء البروتينات البشرية؟

لأكثر من 10 سنوات عالم الأحياء الجزيئية مارتن بيكمع الزملاء حاولوا إنشاء نموذج مفصل لمجمعات المسام النووية. يسميها بيك أكبر آلة جزيئية في الخلايا البشرية. يتحكم مجمع المسام النووي في تدفق الجزيئات التي تتدفق داخل وخارج نواة الخلية إلى مكان تواجد الجينوم. توجد مئات من هذه المجمعات في جميع الخلايا. يتكون كل منها من أكثر من 1000 بروتين.

تشكل هذه الآلاف من القطع أكثر من 30 بروتينًا.لبنات البناء التي تتشابك بطرق مختلفة: لذا فإن العمل معهم أكثر صعوبة. في عام 2016 ، أفاد فريق بقيادة بيك في معهد ماكس بلانك للفيزياء الحيوية (MPIB) أنهم أنشأوا نموذجًا يصف حوالي 30 ٪ من مجمع المسام النووية وما يقرب من نصف اللبنات الأساسية ، بمعنى آخر ، بروتينات Nup.

كيف تتعلم الخوارزميات البروتينات البشرية؟

في يوليو 2021، ديب مايند، جزء منقدمت شركة Alphabet، الشركة الأم لشركة Google، نظام ذكاء اصطناعي يسمى AlphaFold. يمكن لهذا البرنامج التنبؤ بالشكل ثلاثي الأبعاد للبروتينات من خلال تسلسلها الجيني. تم إجراء الحسابات بدقة عالية. لقد أدى هذا إلى تغيير خطير في مهام واهتمامات علماء الأحياء.

باستخدام AlphaFold ، تمكن العلماء من التنبؤما هو شكل بروتين Nup البشري. وبعد ذلك نشروا نموذجًا يصف 60٪ من مجمع المسام النووي. ساعد هذا في فهم كيفية قيام المركب بتثبيت المسام والتحكم في تدفق الجزيئات.

هوس AlphaFold: لماذا أصبح الذكاء الاصطناعي لدراسة بنية البروتينات شائعًا جدًا؟

وفقًا لعلماء الأحياء ، المجتمع العلمي بأكملهسيطر AlphaFold-mania. بدأ استخدام الذكاء الاصطناعي في قدر هائل من البحث. في بعض الحالات ، ساعدت الخوارزمية في توفير الوقت أو قدمت بيانات جديدة. لكن للذكاء الاصطناعي أيضًا قيودًا: يجد بعض العلماء أن تنبؤاته غير موثوقة للغاية في عملهم. ومع ذلك ، يعترف الجميع بأن الخوارزمية تتواءم مع معالجة البيانات بشكل أفضل من أي شخص آخر.

حتى مطوري الخوارزميات أنفسهم لا يفعلون ذلك دائمًالديهم الوقت الكافي لمعرفة المجالات الأخرى التي يمكن استخدامها فيها: لذلك غالبًا ما يشاهدون فرقًا من الباحثين يقومون باكتشافات جديدة باستخدام AlphaFold: بدءًا من اكتشاف الأدوية وتطوير البروتين وحتى أصل الحياة المعقدة.

في منتصف يوليو 2021 في المجال العامظهر رمز مفتوح المصدر لمنظمة العفو الدولية ، بالإضافة إلى معلومات أخرى من شأنها أن تساعد العلماء على البدء في إجراء مثل هذا البحث كجزء من عملهم. بعد أسبوع ، أعلنت شركة DeepMind أنها استخدمت AlphaFold للتنبؤ ببنية جميع البروتينات التي يصنعها البشر تقريبًا. في المجموع ، درس الفريق 365000 بنية بيولوجية. اليوم ، توسعت قاعدة البيانات هذه إلى ما يقرب من مليون هيكل.

في عام 2022، تخطط DeepMind لإصدارفي المجموع أكثر من 100 مليون التنبؤات حول التركيب البيولوجي للكائنات الحية. وهذا هو ما يقرب من نصف جميع البروتينات المعروفة، وهذا العدد أيضًا أعلى بمئات المرات من البروتينات التي يمكن تحديدها تجريبيًا.

لقد ساعدت الأداة بالفعل الباحثين في العثور على جديدشركاء البروتين المحتملين. استخدم العلماء AlphaFold للتنبؤ بهياكل 65000 زوج من البروتينات البشرية. واستخدمت مجموعة أخرى AlphaFold و RoseTTAFold لنمذجة التفاعلات بين كل زوج تقريبًا من البروتينات المشفرة بواسطة الخميرة. نتيجة لذلك ، وجدوا أكثر من 100 مجمع مسام نووي غير معروف سابقًا.

كيف يعمل Alpha Fold؟

يستخدم AlphaFold الشبكات العصبية العميقةالتعلم: هذا هو هيكل حاسوبي يعمل مثل الدماغ البشري ويتعرف على الأنماط في البيانات. تم تدريب الخوارزمية باستخدام مئات الآلاف من هياكل البروتين التي تم تحديدها تجريبيا. إذا واجه الذكاء الاصطناعي تسلسلاً جديدًا، فإنه يبحث أولاً في قواعد البيانات عن حالات مماثلة.

يتنقل AlphaFold بين التلميحات ويحاولمحاكاة صورة ثلاثية الأبعاد للأحماض الأمينية. ويعتقد الخبراء أن هذا البرنامج نجح في تطبيق أفكار جديدة للتعلم الآلي. وعلى وجه الخصوص، لاحظوا آلية فريدة تسمى "الانتباه" - فهي تحدد مركبات الأحماض الأمينية الأكثر أهمية للعمل في لحظة معينة.

ما هي مشكلة AlphaFold؟

تعتمد تنبؤات AlphaFold على معلومات حولتسلسل البروتينات ذات الصلة ، لذلك هناك بعض القيود على الذكاء الاصطناعي. على سبيل المثال ، لا تستطيع الخوارزمية التنبؤ بتأثير الطفرات على شكل البروتين ، لا سيما تلك التي تسبب الأمراض.

كما أنه لا يستطيع اكتشاف كيفية تغير البروتيناتالشكل بسبب بروتينات أو جزيئات أخرى متفاعلة، مثل الأدوية. لكن النموذج يمكنه تقييم مدى ثقة التنبؤ الخاص به لكل وحدة من الأحماض الأمينية في البروتين. اعتبارًا من أغسطس 2022، أفادت شركة DeepMind أن أكثر من 400000 شخص يستخدمون قواعد بيانات AlphaFold EMBL-EBI.

كيف ستساعد هذه الخوارزميات الناس العاديين؟

الباحثون من شركات الأدوية والتكنولوجيا الحيوية متحمسون لإمكانيات AlphaFold ويقولون إن الخوارزمية تساعد في اكتشاف أدوية جديدة.

كارين أكينسانيا ، قائد التطويرفي تطوير العلاجات في شرودنغر ، لاحظت أنها وزملاؤها قد عملوا مع AlphaFold بنتائج يمكن وصفها بأنها ناجحة. كانوا قادرين على تطوير مركبات يمكن أن تصبح عقاقير.

قراءة المزيد:

ينشئ معهد ماساتشوستس للتكنولوجيا محركًا حراريًا ثابتًا يتفوق على التوربينات

بعد عشر سنوات من العمل ، شكك العلماء في النموذج القياسي للفيزياء

شاهد كيف يبدو شروق الشمس على سطح المريخ