څه که موږ د مصنوعي استخباراتو څخه کار واخلو ترڅو د ژوند ترټولو لوی اسرار ته ځواب ووایو - د پروټین فولډ؟ ساینس پوهان د لسیزو راهیسې پدې اړه کار کوي.
ماشینونه اوس کولی شي د ژورې زده کړې ماډلونو په کارولو سره د پروټین جوړښتونو په حیرانتیا سره وړاندوینه وکړي، د درملو پراختیا، بایو ټیکنالوژي، او د بنسټیزو بیولوژیکي پروسو په اړه زموږ پوهه بدله کړي.
ما سره د AI پروټین فولډینګ په زړه پورې ساحه کې په سپړنه کې ګډون وکړئ ، چیرې چې عصري ټیکنالوژي پخپله د ژوند پیچلتیا سره ټکر کوي.
د پروټین فولډ کولو اسرار افشا کول
پروټین زموږ په بدن کې د کوچنیو ماشینونو په څیر کار کوي ترڅو مهم کارونه ترسره کړي لکه د خوړو ماتول یا د اکسیجن لیږدول. دوی باید په سمه توګه ودرول شي ترڅو دوی په مؤثره توګه کار وکړي، لکه څنګه چې کیلي باید په سم ډول پرې شي ترڅو په قفل کې ځای پرځای شي. هرڅومره ژر چې پروټین رامینځته شي ، د فولډ کولو خورا پیچلې پروسه پیل کیږي.
د پروټین فولډینګ هغه پروسه ده چې د امینو اسیدونو اوږده زنځیرونه، د پروټین ساختماني بلاکونه، په درې اړخیزه جوړښتونو کې پوښل کیږي چې د پروټین فعالیت حکم کوي.
د مچیو اوږد تار ته پام وکړئ چې باید په دقیق شکل ترتیب شي. دا هغه څه دي کله چې پروټین فولډ شي. بیا هم، د مچیو برعکس، امینو اسیدونه ځانګړي ځانګړتیاوې لري او یو له بل سره په مختلفو لارو تعامل کوي، د پروټین فولډ کول یو پیچلي او حساس بهیر جوړوي.
دلته انځور د انسان هیموګلوبین استازیتوب کوي، کوم چې یو مشهور فولډ پروټین دی
پروټینونه باید په چټکه او دقیق ډول ودرول شي، یا دوی به غلط او عیب شي. دا کولی شي د الزایمر او پارکینسن په څیر ناروغیو لامل شي. د تودوخې درجه، فشار او په حجره کې د نورو مالیکولونو شتون ټول د فولډ کولو پروسې باندې اغیزه لري.
د لسیزو څیړنو وروسته، ساینس پوهان لاهم هڅه کوي په سمه توګه معلومه کړي چې پروټین څنګه ټوټه کوي.
خوشبختانه، د مصنوعي استخباراتو پرمختګ په سکټور کې پرمختګ ته وده ورکوي. ساینس پوهان کولی شي د پروټین جوړښت په کارولو سره د پخوا په پرتله ډیر دقیق اټکل کړي د ماشین زده کړې الګوریتمونه د ډیټا لوی مقدار معاینه کول.
دا د دې وړتیا لري چې د درملو پراختیا بدل کړي او د ناروغۍ په اړه زموږ مالیکولر پوهه زیاته کړي.
ایا ماشینونه ښه فعالیت کولی شي؟
د پروټین فولډ کولو دودیز تخنیکونه محدودیتونه لري
ساینس پوهان د لسیزو راهیسې هڅه کوي چې د پروټین فولډ معلوم کړي، مګر د پروسې پیچلتیا دا یوه ننګونه موضوع ګرځولې ده.
د دودیز پروټین جوړښت وړاندوینې طریقې د تجربوي میتودونو او کمپیوټر ماډلینګ ترکیب کاروي ، په هرصورت ، دا میتودونه ټول نیمګړتیاوې لري.
تجربوي تخنیکونه لکه د ایکس رې کریسټالوګرافي او اټومي مقناطیسي ریزونانس (NMR) کیدای شي د وخت مصرف او لګښت ولري. او، د کمپیوټر ماډلونه ځینې وختونه په ساده انګیرنو تکیه کوي، کوم چې کولی شي د غلط وړاندوینې لامل شي.
AI کولی شي دا خنډونه لرې کړي
له نيکه مرغه، مصنوعي هوښیارتیا د ډیر دقیق او اغیزمن پروټین جوړښت وړاندوینې لپاره تازه ژمنه چمتو کوي. د ماشین زده کړې الګوریتم کولی شي د ډیټا لوی مقدار معاینه کړي. او، دوی هغه نمونې کشفوي چې خلک به یې له لاسه ورکړي.
دا د نوو سافټویر وسیلو او پلیټ فارمونو رامینځته کولو پایله لري چې د بې ساري دقیقیت سره د پروټین جوړښت وړاندوینې وړتیا لري.
د پروټین جوړښت وړاندوینې لپاره خورا ژمن ماشین زده کړې الګوریتم
د الفا فولډ سیسټم د ګوګل لخوا جوړ شوی ډیمپینډ ټیم په دې سیمه کې یو له خورا ژمنو پرمختګونو څخه دی. دا په وروستیو کلونو کې په کارولو سره لوی پرمختګ ترلاسه کړی ژورې زده کړې الګوریتمونه د پروټینونو د جوړښت وړاندوینه د دوی د امینو اسید ترتیبونو پراساس.
عصبي شبکې، د ملاتړ ویکتور ماشینونه، او تصادفي ځنګلونه د ماشین زده کړې د ډیرو میتودونو څخه دي چې د پروټین جوړښت وړاندوینې لپاره ژمنې ښیې.
دا الګوریتمونه کولی شي د لوی ډیټاسیټونو څخه زده کړي. او، دوی کولی شي د مختلف امینو اسیدونو ترمنځ ارتباط اټکل کړي. نو، راځئ چې وګورو چې دا څنګه کار کوي.
ګډ ارتقايي تحلیلونه او د الفا فولډ لومړی نسل
د بریالیتوب الفا فولډ د ژور عصبي شبکې ماډل باندې جوړ شوی چې د ګډ تکامل تحلیل په کارولو سره رامینځته شوی. د ګډ تکامل مفهوم وايي چې که په پروټین کې دوه امینو اسیدونه له یو بل سره اړیکه ونیسي، دوی به یوځای وده وکړي ترڅو خپل فعال اړیکه وساتي.
څیړونکي کولی شي د ډیری ورته پروټینونو امینو اسیدونو ترتیبونو پرتله کولو سره معلومه کړي چې کوم امینو اسیدونه احتمال لري په 3D جوړښت کې په تماس کې وي.
دا ډاټا د الفا فولډ د لومړي تکرار لپاره د بنسټ په توګه کار کوي. دا د امینو اسید جوړو تر مینځ اوږدوالی او همدارنګه د پیپټایډ بانډونو زاویو وړاندوینه کوي چې دوی سره نښلوي. دې طریقې د ترتیب څخه د پروټین جوړښت وړاندوینې لپاره ټولې مخکینۍ طریقې غوره کړې، که څه هم دقت لاهم د پروټینونو لپاره محدود و چې هیڅ ښکاره نمونې نلري.
الفا فولډ 2: یو بنسټیز نوی میتودولوژي
AlphaFold2 یو کمپیوټر سافټویر دی چې د DeepMind لخوا رامینځته شوی چې د پروټین امینو اسید ترتیب کاروي ترڅو د پروټین 3D جوړښت وړاندوینه وکړي.
دا د پام وړ دی ځکه چې د پروټین جوړښت په ګوته کوي چې دا څنګه کار کوي، او د هغې د فعالیت په اړه پوهیدل کولی شي د ساینس پوهانو سره مرسته وکړي چې د پروټین په نښه کولو درمل رامینځته کړي.
د الفا فولډ 2 عصبي شبکه د پروټین د امینو اسید سلسله د انپټ په توګه ترلاسه کوي او همدارنګه د دې په اړه توضیحات ترلاسه کوي چې دا ترتیب څنګه په ډیټابیس کې د نورو ترتیبونو سره پرتله کوي (دې ته د "لاریون ترتیب" ویل کیږي).
عصبي شبکه د دې آخذې پراساس د پروټین د 3D جوړښت په اړه وړاندوینه کوي.
دا د الفا فولډ 2 پرته څه تنظیموي؟
د نورو طریقو په مقابل کې، الفا فولډ 2 د پروټین ریښتیني 3D جوړښت وړاندوینه کوي نه یوازې د امینو اسیدونو د جوړو تر مینځ جلا کول یا د بانډونو تر مینځ زاویې چې دوی سره نښلوي (لکه څنګه چې مخکې الګوریتمونه شوي وو).
د دې لپاره چې عصبي شبکه په یو وخت کې د بشپړ جوړښت اټکل وکړي، جوړښت له پای څخه تر پای پورې کوډ شوی دی.
د AlphaFold2 بله کلیدي ځانګړتیا دا ده چې دا اټکل وړاندې کوي چې دا په خپل وړاندوینه کې څومره ډاډه دی. دا په اټکل شوي جوړښت کې د رنګ کوډ کولو په توګه وړاندې کیږي، سره سره د لوړ باور استازیتوب کوي او نیلي د ټیټ باور وړاندیز کوي.
دا ګټور دی ځکه چې دا ساینس پوهانو ته د وړاندوینې ثبات په اړه خبر ورکوي.
د څو ترتیبونو د ګډ جوړښت وړاندوینه
د Alphafold2 وروستی پراخوالی، چې د الفافولډ ملټيمر په نوم پیژندل کیږي، د څو ترتیبونو ګډ جوړښت وړاندوینه کوي. دا لاهم د لوړې غلطۍ نرخونه لري حتی که دا د پخوانیو تخنیکونو څخه خورا ښه ترسره کړي. د 25 پروټین کمپلیکسونو څخه یوازې %4500 په بریالیتوب سره وړاندوینه شوې.
د تماس د جوړیدو 70٪ خرابې سیمې په سمه توګه وړاندوینه شوې وه، مګر د دوه پروټینونو نسبي اړخ غلط و. کله چې د منځني سمون ژوروالی د نږدې 30 ترتیبونو څخه کم وي، د الفافولډ ملټيمر وړاندوینې دقت د پام وړ کمیږي.
د الفافولډ وړاندیزونو کارولو څرنګوالی
د الفا فولډ څخه وړاندوینه شوي ماډلونه په ورته فایل فارمیټونو کې وړاندیز شوي او د تجربوي جوړښتونو په څیر کارول کیدی شي. دا مهمه ده چې د موډل سره وړاندیز شوي دقت اټکلونه په پام کې ونیول شي ترڅو د غلط فهمۍ مخه ونیول شي.
دا په ځانګړي ډول د پیچلو جوړښتونو لپاره ګټور دی لکه د اوبدل شوي هومورونو یا پروټینونو لپاره چې یوازې په شتون کې پوښل کیږي.
نامعلوم لیګنډ
ځینې ننګونې
د وړاندوینې شوي جوړښتونو په کارولو کې اصلي ستونزه د پروټین او بایو فزیک ډیټا ته لاسرسي پرته د متحرکاتو ، لیګنډ انتخاب ، کنټرول ، الوسټري ، د ژباړې وروسته بدلونونو ، او د پابندۍ کایناتیک پوهیدل دي.
ماشین زده کړه او د فزیک پر بنسټ مالیکولر ډینامیک څیړنه د دې ستونزې د لرې کولو لپاره کارول کیدی شي.
دا تحقیقات ممکن د ځانګړي او اغیزمن کمپیوټر جوړښت څخه ګټه پورته کړي. پداسې حال کې چې الفا فولډ د پروټین جوړښتونو وړاندوینې کې خورا لوی پرمختګونه ترلاسه کړي ، لاهم د ساختماني بیولوژي په برخه کې د زده کړې لپاره ډیر څه شتون لري ، او د الفا فولډ وړاندوینې یوازې د راتلونکي مطالعې لپاره پیل ټکی دی.
نور د پام وړ وسیلې څه دي؟
RoseTTAFold
RoseTTAFold، د واشنګټن پوهنتون څیړونکو لخوا رامینځته شوی، په ورته ډول د پروټین جوړښتونو وړاندوینې لپاره د ژورې زده کړې الګوریتمونه کار کوي، مګر دا د اټکل شوي جوړښتونو د ښه کولو لپاره د "تورشن زاویه ډینامیک سمولیشن" په نوم پیژندل شوي ناول طریقه هم مدغم کوي.
دې میتود هڅونکې پایلې ترلاسه کړې او ممکن د موجوده AI پروټین فولډ کولو وسیلو محدودیتونو په لرې کولو کې ګټور وي.
trRosetta
بله وسیله، ټرروسیټا، د پروټین فولډ کولو وړاندوینه کوي د a په کارولو سره نوریال شبکه د ملیونونو پروټین ترتیبونو او جوړښتونو باندې روزل شوي.
دا د "ټیمپلیټ پراساس ماډلینګ" تخنیک هم کاروي ترڅو د پام وړ پیژندل شوي جوړښتونو سره د هدف پروټین پرتله کولو سره ډیر دقیق وړاندوینې رامینځته کړي.
دا په ډاګه شوې چې ټراروسیټا د کوچنیو پروټینونو او پروټین کمپلیکسونو د جوړښت وړاندوینه کولو توان لري.
DeepMetaPSICOV
DeepMetaPSICOV بله وسیله ده چې د پروټین تماس نقشې وړاندوینې باندې تمرکز کوي. دا، د پروټین فولډ اټکل کولو لپاره د لارښود په توګه کارول کیږي. دا کاروي ژوره زده کړه د پروټین دننه د پاتې شونو تعاملاتو احتمال وړاندوینه کولو طریقې.
دا وروسته د تماس د عمومي نقشې وړاندوینې لپاره کارول کیږي. DeepMetaPSICOV په خورا دقت سره د پروټین جوړښتونو وړاندوینې کې احتمال ښودلی ، حتی کله چې پخوانۍ تګلارې ناکامې شوې.
راتلونکی څه شی لري؟
د AI پروټین فولډ راتلونکی روښانه دی. د ژورې زده کړې پر بنسټ الګوریتمونه، په ځانګړې توګه AlphaFold2، په دې وروستیو کې د پروټین جوړښتونو د اعتبار وړ وړاندوینې کې لوی پرمختګ کړی.
دا موندنه د دې وړتیا لري چې ساینس پوهانو ته اجازه ورکړي چې د پروټینونو جوړښت او فعالیت په ښه توګه پوه شي، کوم چې د درملنې عام اهداف دي.
په هرصورت، مسلې لکه د پروټین کمپلیکس اټکل کول او د اټکل شوي جوړښتونو اصلي فعال حالت کشف کول پاتې دي. د دې مسلو حل کولو او د AI پروټین فولډینګ الګوریتمونو دقت او اعتبار زیاتولو لپاره ډیرې څیړنې ته اړتیا ده.
بیا هم، د دې ټیکنالوژۍ احتمالي ګټې خورا لوی دي، او دا د دې وړتیا لري چې د لا اغیزمنو او دقیقو درملو تولید ته الر پیدا کړي.
یو ځواب ورکړئ ووځي