3️⃣قسمت سوم
خلق پروتئینهایی که طبیعت هرگز نساخته است!🧬
⏺تا اینجا فقط پروتئینهای موجود را آنالیز میکردیم. اما گامهای چهارم (
T4) و پنجم (T5)، مرحله خلق کردن(Generation) هستند. اینجا جایی است که ما توالی یا ساختاری میسازیم که تکامل در طول میلیاردها سال هرگز نساخته است!🔵مدلهای تولید توالی (مثل
ProteinMPNN) میتوانند یک اسکلت سهبعدی را دریافت کنند و دقیقاً به ما بگویند چه توالی اسیدآمینهای از نظر ترمودینامیکی روی این اسکلت پایدار میماند.🔎در واقع برسی می کنیم چه توالی اسیدآمینهای روی این قالب کمترین سطح انرژی را دارد و پایدار میماند یعنی به جای طی کردن مسیر سنتیِ توالی به ساختار، مهندسی معکوس میکنیم
🔵از طرف دیگر، مدلهای تولید ساختار و توالی (مثل
RFDiffusion) بر اساس "مدلهای انتشار" کار میکنند؛ یعنی از یک فضای نامفهوم و تصادفی شروع میکنند و مرحلهبهمرحله آن را تغییر میدهند تا به یک اسکلت پروتئینی کاملاً معتبر و جدید تبدیل کنند. ❓هوش مصنوعی میتونه میلیونها طرح جذاب روی سیستم بهمون بده، اما از کجا بفهمیم کدومشون تو لولۀ آزمایش هم کار میکنه و تبدیل به یه داروی رسوبکرده و بیمصرف نمیشه؟
🧪از فیلتر های بی رحمانه تا آزمایشگاه!
مشکل بزرگ طراحی کامپیوتری این است که پروتئینی که در سیستم کاملاً پایدار به نظر میرسد، ممکن است در محیط واقعی آزمایشگاه نامحلول باشد، رسوب کند، یا سیستم ایمنی بدن را تحریک کند!
💻اینجاست که گام ششم (
T6) یا "غربالگری مجازی" اهمیت پیدا میکند. مدلهای هوش مصنوعی (مثل DeepSoluE یا AggreProt) از بین میلیونها طراحی، آنهایی را که قابلیت توسعه بالاتری دارند (مثلاً حلالیت بهتر یا ایمنیزایی کمتر) فیلتر میکنند.🏁در نهایت در گام هفتم (
T7)، توالی پروتئینی منتخب باید به توالی نوکلئوتیدی (DNA) ترجمه شود. ابزارهایی مثل CodonTransformer توالی ژن را طوری تغییر میدهند که مثلاً اگر قرار است پروتئین ما در باکتری E.coli ساخته شود، باکتری بتواند آن را با بالاترین سرعت و بدون خطای ترجمه تولید کند.🏆همه این هفت مرحله در تئوری فوقالعاده به نظر میرسند! اما آیا تو دنیای واقعی هم این ابزارها توانستند با هم کار کنند و یک شاهکار زیستی بسازند؟
داستان این موفقیت را در پست آخر بخونید...
✔️لینک #مقاله
🧬در کانال آکادمی زیست اومیکس با ما همراه باشید…
| @BioOmics_Academy |