ចុះបើយើងអាចប្រើបញ្ញាសិប្បនិម្មិតដើម្បីឆ្លើយនឹងអាថ៌កំបាំងដ៏អស្ចារ្យបំផុតមួយក្នុងជីវិតគឺការបត់ប្រូតេអ៊ីន? អ្នកវិទ្យាសាស្ត្របានធ្វើការលើរឿងនេះអស់ជាច្រើនទសវត្សរ៍មកហើយ។
ឥឡូវនេះ ម៉ាស៊ីនអាចទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនជាមួយនឹងភាពជាក់លាក់ដ៏អស្ចារ្យ ដោយប្រើគំរូសិក្សាស៊ីជម្រៅ ការផ្លាស់ប្តូរការអភិវឌ្ឍន៍ថ្នាំ បច្ចេកវិទ្យាជីវសាស្រ្ត និងចំណេះដឹងរបស់យើងអំពីដំណើរការជីវសាស្ត្រជាមូលដ្ឋាន។
ចូលរួមជាមួយខ្ញុំក្នុងការរុករកចូលទៅក្នុងអាណាចក្រដ៏គួរឱ្យចាប់អារម្មណ៍នៃការបត់ប្រូតេអ៊ីន AI ដែលជាកន្លែងដែលបច្ចេកវិទ្យាទំនើបបុកជាមួយនឹងភាពស្មុគស្មាញនៃជីវិតខ្លួនឯង។
ស្រាយអាថ៌កំបាំងនៃការបត់ប្រូតេអ៊ីន
ប្រូតេអ៊ីនធ្វើការនៅក្នុងខ្លួនយើងដូចជាម៉ាស៊ីនតូចៗដើម្បីបំពេញកិច្ចការសំខាន់ៗដូចជាការបំបែកអាហារ ឬដឹកជញ្ជូនអុកស៊ីហ្សែន។ ពួកវាត្រូវតែបត់ឱ្យបានត្រឹមត្រូវដើម្បីឱ្យពួកវាដំណើរការប្រកបដោយប្រសិទ្ធភាព ដូចជាសោត្រូវកាត់ឱ្យត្រឹមត្រូវដើម្បីឱ្យសមនឹងសោ។ ដរាបណាប្រូតេអ៊ីនត្រូវបានបង្កើតដំណើរការផ្នត់ដ៏ស្មុគស្មាញចាប់ផ្តើម។
ការបត់ប្រូតេអ៊ីន គឺជាដំណើរការដែលខ្សែសង្វាក់វែងនៃអាស៊ីតអាមីណូ ដែលជាបណ្តុំនៃប្រូតេអ៊ីន បត់ចូលទៅក្នុងរចនាសម្ព័ន្ធបីវិមាត្រ ដែលកំណត់មុខងាររបស់ប្រូតេអ៊ីន។
ពិចារណាខ្សែអង្កាំវែងដែលត្រូវតែតម្រៀបទៅជាទម្រង់ច្បាស់លាស់។ នេះគឺជាអ្វីដែលកើតឡើងនៅពេលដែលប្រូតេអ៊ីនបត់។ ទោះជាយ៉ាងណាក៏ដោយ មិនដូចគ្រាប់អង្កាំទេ អាស៊ីតអាមីណូមានលក្ខណៈប្លែកពីគេ ហើយមានទំនាក់ទំនងគ្នាទៅវិញទៅមកតាមរបៀបផ្សេងៗ ដែលធ្វើឲ្យការបត់ប្រូតេអ៊ីនជាដំណើរការស្មុគស្មាញ និងរសើប។
រូបភាពនៅទីនេះតំណាងឱ្យជាតិអេម៉ូក្លូប៊ីនរបស់មនុស្ស ដែលជាប្រូតេអ៊ីនបត់ដ៏ល្បី
ប្រូតេអ៊ីនត្រូវតែបត់លឿន និងច្បាស់លាស់ បើមិនដូច្នេះទេពួកវានឹងបត់ខុស និងខូច។ នោះអាចនាំឱ្យមានជំងឺដូចជា Alzheimer's និង Parkinson's ។ សីតុណ្ហភាព សម្ពាធ និងវត្តមានរបស់ម៉ូលេគុលផ្សេងទៀតនៅក្នុងកោសិកា សុទ្ធតែមានឥទ្ធិពលលើដំណើរការបត់។
បន្ទាប់ពីការស្រាវជ្រាវជាច្រើនទស្សវត្សរ៍មក អ្នកវិទ្យាសាស្ត្រនៅតែព្យាយាមរកឱ្យឃើញច្បាស់អំពីរបៀបដែលប្រូតេអ៊ីនបត់។
ជាសំណាងល្អ ភាពជឿនលឿននៃបញ្ញាសិប្បនិមិត្តកំពុងធ្វើឲ្យប្រសើរឡើងនូវការអភិវឌ្ឍន៍ក្នុងវិស័យនេះ។ អ្នកវិទ្យាសាស្ត្រអាចប្រមើលមើលរចនាសម្ព័ន្ធប្រូតេអ៊ីនបានត្រឹមត្រូវជាងពេលមុនៗដោយប្រើ ក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ដើម្បីពិនិត្យមើលបរិមាណដ៏ធំនៃទិន្នន័យ។
នេះមានសក្តានុពលក្នុងការផ្លាស់ប្តូរការអភិវឌ្ឍថ្នាំ និងបង្កើនចំណេះដឹងម៉ូលេគុលរបស់យើងអំពីជំងឺ។
តើម៉ាស៊ីនអាចដំណើរការបានប្រសើរជាងមុនទេ?
បច្ចេកទេសបត់ប្រូតេអ៊ីនធម្មតាមានដែនកំណត់
អ្នកវិទ្យាសាស្ត្របានព្យាយាមស្វែងរកការបត់ប្រូតេអ៊ីនអស់ជាច្រើនទសវត្សរ៍មកហើយ ប៉ុន្តែភាពស្មុគ្រស្មាញនៃដំណើរការនេះបានធ្វើឱ្យរឿងនេះក្លាយជាប្រធានបទដ៏លំបាកមួយ។
វិធីសាស្រ្តទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនធម្មតាប្រើការរួមបញ្ចូលគ្នានៃវិធីសាស្រ្តពិសោធន៍ និងការធ្វើគំរូតាមកុំព្យូទ័រ ទោះបីជាយ៉ាងណាក៏ដោយ វិធីសាស្ត្រទាំងនេះសុទ្ធតែមានគុណវិបត្តិ។
បច្ចេកទេសពិសោធន៍ដូចជាគ្រីស្តាល់កាំរស្មីអ៊ិច និងអនុភាពម៉ាញេទិកនុយក្លេអ៊ែរ (NMR) អាចចំណាយពេលច្រើន និងចំណាយច្រើន។ ហើយពេលខ្លះ ម៉ូដែលកុំព្យូទ័រពឹងផ្អែកលើការសន្មត់សាមញ្ញ ដែលអាចនាំឱ្យមានការព្យាករណ៍ខុស។
AI អាចជម្នះឧបសគ្គទាំងនេះបាន។
សំណាងល្អ, ក្លែងបន្លំ កំពុងផ្តល់នូវការសន្យាថ្មីសម្រាប់ការព្យាករណ៍រចនាសម្ព័ន្ធប្រូតេអ៊ីនកាន់តែត្រឹមត្រូវ និងមានប្រសិទ្ធភាព។ ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនអាចពិនិត្យមើលបរិមាណដ៏ធំនៃទិន្នន័យ។ ហើយពួកគេបង្ហាញពីគំរូដែលមនុស្សនឹងនឹក។
នេះបណ្តាលឱ្យមានការបង្កើតឧបករណ៍កម្មវិធី និងវេទិកាថ្មីដែលមានសមត្ថភាពព្យាករណ៍រចនាសម្ព័ន្ធប្រូតេអ៊ីនជាមួយនឹងភាពជាក់លាក់ដែលមិនអាចប្រៀបផ្ទឹមបាន។
ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនដែលជោគជ័យបំផុតសម្រាប់ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន
ប្រព័ន្ធ AlphaFold បង្កើតឡើងដោយ Google's Deepmind ក្រុមគឺជាការរីកចម្រើនដ៏មានសក្តានុពលបំផុតមួយក្នុងតំបន់នេះ។ វាទទួលបានវឌ្ឍនភាពដ៏អស្ចារ្យក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះដោយប្រើ ក្បួនដោះស្រាយការសិក្សាស៊ីជម្រៅ ដើម្បីទស្សន៍ទាយរចនាសម្ព័ន្ធនៃប្រូតេអ៊ីនដោយផ្អែកលើលំដាប់អាស៊ីតអាមីណូរបស់វា។
បណ្តាញសរសៃប្រសាទ ម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ និងព្រៃឈើចៃដន្យគឺជាវិធីសាស្រ្តរៀនម៉ាស៊ីនជាច្រើនទៀតដែលបង្ហាញពីការសន្យាសម្រាប់ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន។
ក្បួនដោះស្រាយទាំងនេះអាចរៀនពីសំណុំទិន្នន័យដ៏ធំសម្បើម។ ហើយពួកគេអាចប្រមើលមើលការជាប់ទាក់ទងគ្នារវាងអាស៊ីតអាមីណូផ្សេងៗគ្នា។ ដូច្នេះសូមមើលពីរបៀបដែលវាដំណើរការ។
ការវិភាគការវិវត្តន៍រួម និងជំនាន់ដំបូងរបស់ AlphaFold
ភាពជោគជ័យនៃ អាល់ហ្វាហ្វូដ ត្រូវបានបង្កើតឡើងនៅលើគំរូបណ្តាញប្រសាទដ៏ស៊ីជម្រៅមួយដែលត្រូវបានបង្កើតឡើងដោយប្រើការវិភាគសហវិវឌ្ឍន៍។ គោលគំនិតនៃការវិវត្តន៍រួមគ្នាចែងថា ប្រសិនបើអាស៊ីតអាមីណូពីរនៅក្នុងប្រូតេអ៊ីនមានអន្តរកម្មជាមួយគ្នាទៅវិញទៅមក ពួកគេនឹងអភិវឌ្ឍរួមគ្នាដើម្បីរក្សាទំនាក់ទំនងមុខងាររបស់វា។
អ្នកស្រាវជ្រាវអាចរកឃើញគូនៃអាស៊ីតអាមីណូដែលទំនងជាមានទំនាក់ទំនងនៅក្នុងរចនាសម្ព័ន្ធ 3D ដោយប្រៀបធៀបលំដាប់អាស៊ីតអាមីណូនៃប្រូតេអ៊ីនស្រដៀងគ្នាជាច្រើន។
ទិន្នន័យនេះដើរតួជាមូលដ្ឋានគ្រឹះសម្រាប់ការធ្វើឡើងវិញដំបូងនៃ AlphaFold ។ វាព្យាករណ៍ពីប្រវែងរវាងគូអាស៊ីតអាមីណូ ក៏ដូចជាមុំនៃចំណង peptide ដែលភ្ជាប់ពួកវា។ វិធីសាស្រ្តនេះបានអនុវត្តលើសពីវិធីសាស្រ្តមុនទាំងអស់សម្រាប់ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនពីលំដាប់ ទោះបីជាភាពត្រឹមត្រូវនៅតែត្រូវបានកម្រិតសម្រាប់ប្រូតេអ៊ីនដែលមិនមានគំរូជាក់ស្តែងក៏ដោយ។
AlphaFold 2: វិធីសាស្រ្តថ្មីខ្លាំង
AlphaFold2 គឺជាកម្មវិធីកុំព្យូទ័រដែលបង្កើតឡើងដោយ DeepMind ដែលប្រើលំដាប់អាស៊ីតអាមីណូរបស់ប្រូតេអ៊ីនដើម្បីទស្សន៍ទាយរចនាសម្ព័ន្ធ 3D នៃប្រូតេអ៊ីន។
នេះគឺសំខាន់ណាស់ព្រោះរចនាសម្ព័ន្ធរបស់ប្រូតេអ៊ីនកំណត់ពីរបៀបដែលវាដំណើរការ ហើយការយល់ដឹងអំពីមុខងាររបស់វាអាចជួយអ្នកវិទ្យាសាស្ត្របង្កើតថ្នាំដែលកំណត់គោលដៅប្រូតេអ៊ីន។
បណ្តាញសរសៃប្រសាទ AlphaFold2 ទទួលបានជាការបញ្ចូលលំដាប់អាស៊ីតអាមីណូរបស់ប្រូតេអ៊ីន ក៏ដូចជាព័ត៌មានលម្អិតអំពីរបៀបដែលលំដាប់នោះប្រៀបធៀបទៅនឹងលំដាប់ផ្សេងទៀតនៅក្នុងមូលដ្ឋានទិន្នន័យ (នេះត្រូវបានគេហៅថា "ការតម្រឹមតាមលំដាប់")។
បណ្តាញសរសៃប្រសាទធ្វើការព្យាករណ៍អំពីរចនាសម្ព័ន្ធ 3D របស់ប្រូតេអ៊ីនដោយផ្អែកលើការបញ្ចូលនេះ។
តើអ្វីកំណត់វាក្រៅពី AlphaFold2?
ផ្ទុយទៅនឹងវិធីសាស្រ្តផ្សេងទៀត AlphaFold2 ព្យាករណ៍ពីរចនាសម្ព័ន្ធ 3D ពិតប្រាកដនៃប្រូតេអ៊ីន ជាជាងការបំបែករវាងគូនៃអាស៊ីតអាមីណូ ឬមុំរវាងចំណងដែលភ្ជាប់ពួកវា (ដូចដែលក្បួនដោះស្រាយពីមុនបានធ្វើ)។
ដើម្បីឱ្យបណ្តាញសរសៃប្រសាទប្រមើលមើលរចនាសម្ព័ន្ធពេញលេញក្នុងពេលតែមួយ រចនាសម្ព័ន្ធត្រូវបានអ៊ិនកូដពីចុងដល់ចុង។
លក្ខណៈសំខាន់មួយទៀតរបស់ AlphaFold2 គឺថាវាផ្តល់នូវការប៉ាន់ស្មានថាតើវាមានទំនុកចិត្តប៉ុណ្ណាក្នុងការព្យាករណ៍របស់វា។ នេះត្រូវបានបង្ហាញជាកូដពណ៌នៅលើរចនាសម្ព័ន្ធដែលបានរំពឹងទុក ដោយពណ៌ក្រហមតំណាងឱ្យភាពជឿជាក់ខ្ពស់ និងពណ៌ខៀវបង្ហាញពីភាពជឿជាក់ទាប។
វាមានប្រយោជន៍ចាប់តាំងពីវាជូនដំណឹងដល់អ្នកវិទ្យាសាស្ត្រអំពីស្ថេរភាពនៃការទស្សន៍ទាយ។
ការទស្សន៍ទាយរចនាសម្ព័ន្ធរួមបញ្ចូលគ្នានៃលំដាប់ជាច្រើន។
ការពង្រីកចុងក្រោយបំផុតនៃ Alphafold2 ដែលត្រូវបានគេស្គាល់ថាជា Alphafold Multimer ព្យាករណ៍ពីរចនាសម្ព័ន្ធរួមបញ្ចូលគ្នានៃលំដាប់ជាច្រើន។ វានៅតែមានអត្រាកំហុសខ្ពស់ ទោះបីជាវាដំណើរការបានល្អជាងបច្ចេកទេសមុនក៏ដោយ។ គ្រាន់តែ 25% នៃស្មុគស្មាញប្រូតេអ៊ីន 4500 ត្រូវបានព្យាករណ៍ដោយជោគជ័យ។
70% នៃតំបន់រដុបនៃការបង្កើតទំនាក់ទំនងត្រូវបានព្យាករណ៍យ៉ាងត្រឹមត្រូវ ប៉ុន្តែការតំរង់ទិសទាក់ទងនៃប្រូតេអ៊ីនទាំងពីរគឺមិនត្រឹមត្រូវទេ។ នៅពេលដែលជម្រៅនៃការតម្រឹមមធ្យមគឺតិចជាងប្រហែល 30 លំដាប់ ភាពត្រឹមត្រូវនៃការព្យាករណ៍របស់ Alphafold multimer ធ្លាក់ចុះយ៉ាងខ្លាំង។
របៀបប្រើការទស្សន៍ទាយ Alphafold
គំរូដែលបានព្យាករណ៍ពី AlphaFold ត្រូវបានផ្តល់ជូនក្នុងទម្រង់ឯកសារដូចគ្នា និងអាចប្រើក្នុងវិធីដូចគ្នានឹងរចនាសម្ព័ន្ធពិសោធន៍។ វាមានសារៈសំខាន់ណាស់ក្នុងការពិចារណាលើការប៉ាន់ប្រមាណភាពត្រឹមត្រូវដែលផ្តល់ជូនជាមួយគំរូ ដើម្បីការពារការយល់ច្រឡំ។
វាមានប្រយោជន៍ជាពិសេសសម្រាប់រចនាសម្ព័ន្ធស្មុគស្មាញដូចជា homomers ឬប្រូតេអ៊ីនដែលបត់បានតែនៅក្នុងវត្តមាននៃ
លីហ្គែនមិនស្គាល់។
បញ្ហាប្រឈមមួយចំនួន
បញ្ហាចម្បងក្នុងការប្រើរចនាសម្ព័ន្ធដែលបានព្យាករណ៍គឺការយល់ដឹងអំពីឌីណាមិក ការជ្រើសរើសលីហ្គែន ការគ្រប់គ្រង ការបែងចែក ការផ្លាស់ប្តូរក្រោយការបកប្រែ និង kinetics នៃការចងដោយមិនមានលទ្ធភាពទទួលបានទិន្នន័យប្រូតេអ៊ីន និងជីវរូបវិទ្យា។
ការរៀនម៉ាស៊ីន និងការស្រាវជ្រាវអំពីសក្ដានុពលម៉ូលេគុលផ្អែកលើរូបវិទ្យា អាចត្រូវបានប្រើដើម្បីជម្នះបញ្ហានេះ។
ការស៊ើបអង្កេតទាំងនេះអាចទទួលបានអត្ថប្រយោជន៍ពីស្ថាបត្យកម្មកុំព្យូទ័រឯកទេស និងមានប្រសិទ្ធភាព។ ខណៈពេលដែល AlphaFold សម្រេចបាននូវភាពជឿនលឿនយ៉ាងធំធេងក្នុងការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន វានៅតែមានច្រើនដែលត្រូវរៀននៅក្នុងវិស័យជីវវិទ្យារចនាសម្ព័ន្ធ ហើយការព្យាករណ៍ AlphaFold គ្រាន់តែជាចំណុចចាប់ផ្តើមសម្រាប់ការសិក្សានាពេលអនាគតប៉ុណ្ណោះ។
តើអ្វីជាឧបករណ៍គួរឱ្យកត់សម្គាល់ផ្សេងទៀត?
RoseTTAFold
RoseTTAFold ដែលបង្កើតឡើងដោយអ្នកស្រាវជ្រាវនៃសាកលវិទ្យាល័យ Washington ដូចគ្នានេះដែរប្រើក្បួនដោះស្រាយការរៀនសូត្រស៊ីជម្រៅដើម្បីទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន ប៉ុន្តែវាក៏រួមបញ្ចូលវិធីសាស្រ្តប្រលោមលោកដែលគេស្គាល់ថាជា "ការក្លែងធ្វើឌីណាមិកមុំបង្វិល" ដើម្បីកែលម្អរចនាសម្ព័ន្ធដែលបានព្យាករណ៍។
វិធីសាស្រ្តនេះបានផ្តល់លទ្ធផលលើកទឹកចិត្ត ហើយអាចមានប្រយោជន៍ក្នុងការយកឈ្នះលើដែនកំណត់នៃឧបករណ៍បត់ប្រូតេអ៊ីន AI ដែលមានស្រាប់។
ត្ររ៉ូសេតា
ឧបករណ៍មួយទៀតគឺ trRosetta ព្យាករណ៍ពីការបត់ប្រូតេអ៊ីនដោយប្រើ a បណ្តាញសរសៃប្រសាទ បណ្តុះបណ្តាលលើលំដាប់ និងរចនាសម្ព័ន្ធប្រូតេអ៊ីនរាប់លាន។
វាក៏ប្រើបច្ចេកទេស "គំរូតាមគំរូ" ផងដែរ ដើម្បីបង្កើតការព្យាករណ៍ច្បាស់លាស់បន្ថែមទៀត ដោយប្រៀបធៀបប្រូតេអ៊ីនគោលដៅទៅនឹងរចនាសម្ព័ន្ធដែលគេស្គាល់។
វាត្រូវបានបង្ហាញថា trRosetta មានសមត្ថភាពទស្សន៍ទាយរចនាសម្ព័ន្ធនៃប្រូតេអ៊ីនតូចៗ និងស្មុគស្មាញប្រូតេអ៊ីន។
DeepMetaPSICOV
DeepMetaPSICOV គឺជាឧបករណ៍មួយផ្សេងទៀតដែលផ្តោតលើការទស្សន៍ទាយផែនទីទំនាក់ទំនងប្រូតេអ៊ីន។ ទាំងនេះ ត្រូវបានប្រើជាមគ្គុទ្ទេសក៍ដើម្បីទស្សន៍ទាយការបត់ប្រូតេអ៊ីន។ វាប្រើ ការរៀនសូត្រជ្រៅ វិធីសាស្រ្តក្នុងការព្យាករណ៍លទ្ធភាពនៃអន្តរកម្មសំណល់នៅក្នុងប្រូតេអ៊ីន។
ទាំងនេះត្រូវបានប្រើជាបន្តបន្ទាប់ដើម្បីព្យាករណ៍ផែនទីទំនាក់ទំនងរួម។ DeepMetaPSICOV បានបង្ហាញសក្តានុពលក្នុងការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនជាមួយនឹងភាពត្រឹមត្រូវដ៏អស្ចារ្យ ទោះបីជាវិធីសាស្រ្តពីមុនបានបរាជ័យក៏ដោយ។
តើអនាគតមានអ្វីខ្លះ?
អនាគតនៃការបត់ប្រូតេអ៊ីន AI គឺភ្លឺ។ ក្បួនដោះស្រាយដែលមានមូលដ្ឋានលើការរៀនសូត្រជ្រៅ ជាពិសេស AlphaFold2 ថ្មីៗនេះបានធ្វើឱ្យមានការវិវឌ្ឍន៍ដ៏អស្ចារ្យក្នុងការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនដែលអាចទុកចិត្តបាន។
ការរកឃើញនេះមានសក្តានុពលក្នុងការបំប្លែងការអភិវឌ្ឍន៍ថ្នាំ ដោយអនុញ្ញាតឱ្យអ្នកវិទ្យាសាស្ត្រយល់កាន់តែច្បាស់អំពីរចនាសម្ព័ន្ធ និងមុខងាររបស់ប្រូតេអ៊ីន ដែលជាគោលដៅព្យាបាលទូទៅ។
ទោះជាយ៉ាងណាក៏ដោយ បញ្ហាដូចជាការព្យាករណ៍ស្មុគស្មាញប្រូតេអ៊ីន និងការរកឃើញស្ថានភាពមុខងារពិតនៃរចនាសម្ព័ន្ធដែលរំពឹងទុកនៅតែមាន។ ការស្រាវជ្រាវបន្ថែមគឺត្រូវបានទាមទារដើម្បីដោះស្រាយបញ្ហាទាំងនេះ និងបង្កើនភាពត្រឹមត្រូវនិងភាពជឿជាក់នៃក្បួនដោះស្រាយការបត់ប្រូតេអ៊ីន AI ។
ទោះជាយ៉ាងណាក៏ដោយ អត្ថប្រយោជន៍ដ៏មានសក្តានុពលនៃបច្ចេកវិទ្យានេះគឺមានច្រើន ហើយវាមានសក្តានុពលក្នុងការឈានទៅដល់ការផលិតថ្នាំដែលមានប្រសិទ្ធភាព និងច្បាស់លាស់ជាងមុន។
សូមផ្ដល់យោបល់