ڇا جيڪڏهن اسان مصنوعي ذهانت استعمال ڪري سگهون ٿا جواب ڏيڻ لاءِ زندگي جي سڀ کان وڏي اسرار - پروٽين فولڊنگ؟ سائنسدان ان تي ڏهاڪن کان ڪم ڪري رهيا آهن.
مشينون هاڻي پروٽين جي اڏاوتن جي اڳڪٿي ڪري سگهن ٿيون حيرت انگيز درستگي سان ڊيپ لرننگ ماڊل استعمال ڪندي، دوائن جي ترقي ۾ تبديلي، بايو ٽيڪنالاجي، ۽ بنيادي حياتياتي عملن جي اسان جي ڄاڻ.
مون سان شامل ٿيو AI پروٽين فولڊنگ جي دلچسپ دائري جي ڳولا تي، جتي جديد ٽيڪنالاجي زندگي جي پيچيدگي سان ٽڪرائجي ٿي.
پروٽين فولڊنگ جي اسرار کي ختم ڪرڻ
پروٽين اسان جي جسمن ۾ ننڍين مشينن وانگر ڪم ڪن ٿيون جيڪي اهم ڪم ڪن ٿيون جهڙوڪ کاڌي کي ٽوڙڻ يا آڪسيجن جي نقل و حمل. انهن کي صحيح طور تي فولڊ ڪيو وڃي ته جيئن انهن کي مؤثر طريقي سان ڪم ڪيو وڃي، جيئن هڪ چاٻي کي صحيح طريقي سان ڪٽيو وڃي ته جيئن هڪ تالا ۾ فٽ ٿئي. جيترو جلد پروٽين ٺاهي وئي آهي، هڪ تمام پيچيده فولڊنگ عمل شروع ٿئي ٿو.
پروٽين فولڊنگ اهو عمل آهي جنهن جي ذريعي امينو اسيد جون ڊگھيون زنجير، پروٽين جا بلڊنگ بلاڪ، ٽن طرفن جي جوڙجڪ ۾ ڦاٿل آهن جيڪي پروٽين جي ڪم کي ترتيب ڏين ٿا.
موتي جي هڪ ڊگھي تار تي غور ڪريو جيڪو لازمي طور تي ترتيب ڏيڻ گهرجي. اهو ٿيندو آهي جڏهن هڪ پروٽين فولڊ. اڃان تائين، موتي جي برعڪس، امينو اسيد منفرد خاصيتون آهن ۽ مختلف طريقن سان هڪ ٻئي سان رابطو ڪن ٿا، پروٽين کي هڪ پيچيده ۽ حساس عمل بڻائي ٿو.
هتي تصوير انساني هيموگلوبن جي نمائندگي ڪري ٿي، جيڪو هڪ مشهور فولڊ پروٽين آهي
پروٽين کي لازمي طور تي تيز ۽ صحيح طور تي فولڊ ٿيڻ گهرجي، يا اهي غلط ۽ خراب ٿي ويندا. اهو ٿي سگهي ٿو بيمارين جهڙوڪ الزائمر ۽ پارڪنسن. حرارت، دٻاء، ۽ سيل ۾ ٻين ماليڪيولز جي موجودگي سڀني کي فولڊنگ جي عمل تي اثر انداز ٿئي ٿو.
ڏهاڪن جي تحقيق کان پوء، سائنسدان اڃا تائين اهو معلوم ڪرڻ جي ڪوشش ڪري رهيا آهن ته پروٽين ڪيئن ٺهڪي اچي ٿو.
شڪرگذار، مصنوعي ذهانت ۾ واڌارو شعبي ۾ ترقي کي بهتر بڻائي رهيا آهن. سائنسدان استعمال ڪندي اڳ کان وڌيڪ صحيح طور تي پروٽين جي ساخت جو اندازو لڳائي سگهن ٿا مشيني سکيا جا الگورٿم ڊيٽا جي وڏي مقدار کي جانچڻ لاء.
هي دوا جي ترقي کي تبديل ڪرڻ جي صلاحيت رکي ٿو ۽ بيماري جي اسان جي ماليڪيولر ڄاڻ کي وڌائي ٿو.
ڇا مشينون بهتر ڪم ڪري سگھن ٿيون؟
روايتي پروٽين فولڊنگ ٽيڪنالاجي جون حدون آهن
سائنسدان ڏهاڪن کان پروٽين جي فولڊنگ کي ڳولڻ جي ڪوشش ڪري رهيا آهن، پر پروسيس جي پيچيدگي هن کي هڪ مشڪل موضوع بڻائي ڇڏيو آهي.
روايتي پروٽين جي جوڙجڪ جي اڳڪٿي جي طريقيڪار تجرباتي طريقن ۽ ڪمپيوٽر جي ماڊلنگ جي ميلاپ کي استعمال ڪندي، جڏهن ته، انهن طريقن ۾ سڀني کي خرابيون آهن.
تجرباتي ٽيڪنالاجيون جهڙوڪ ايڪس-ري ڪرسٽلگرافي ۽ ايٽمي مقناطيسي گونج (NMR) وقت سازي ۽ قيمتي ٿي سگهي ٿي. ۽، ڪمپيوٽر جا ماڊل ڪڏهن ڪڏهن سادو مفروضن تي ڀروسو ڪندا آهن، جيڪي غلط اڳڪٿيون ڪري سگهن ٿيون.
AI انهن رڪاوٽن تي غالب ٿي سگهي ٿو
خوشقسمتي سان، مصنوعي انٽيلي جنس وڌيڪ صحيح ۽ موثر پروٽين جي جوڙجڪ جي اڳڪٿي لاءِ تازو واعدو مهيا ڪري رهيو آهي. مشين لرننگ الگورتھم ڊيٽا جي وڏي مقدار کي جانچي سگھن ٿا. ۽، اهي نمونن کي ظاهر ڪن ٿا جيڪي ماڻهو ياد ڪندا.
ان جي نتيجي ۾ نئين سافٽ ويئر جا اوزار ۽ پليٽ فارم ٺاهيا ويا آهن جيڪي پروٽين جي جوڙجڪ کي بي مثال درستگي سان پيش ڪرڻ جي قابل آهن.
پروٽين جي جوڙجڪ جي اڳڪٿي لاءِ سڀ کان وڌيڪ ترقي يافته مشين لرننگ الگورتھم
الفا فولڊ سسٽم گوگل پاران ٺهيل آهي Deepmind ٽيم هن علائقي ۾ سڀ کان وڌيڪ ترقي يافته ترقي مان هڪ آهي. اهو استعمال ڪندي تازو سالن ۾ وڏي ترقي حاصل ڪئي آهي ڊگهو سکيا الورورڊس پروٽين جي ساخت جي اڳڪٿي ڪرڻ لاءِ انهن جي امينو اسيد جي ترتيبن جي بنياد تي.
نيورل نيٽ ورڪ، سپورٽ ویکٹر مشينون، ۽ بي ترتيب ٻيلن وڌيڪ مشين جي سکيا جا طريقا آھن جيڪي پروٽين جي جوڙجڪ جي اڳڪٿي ڪرڻ لاء واعدو ڏيکاريندا آھن.
اهي الگورتھم وڏي ڊيٽا سيٽن مان سکن ٿا. ۽، اهي مختلف امينو اسيد جي وچ ۾ لاڳاپا پيش ڪري سگهن ٿا. تنهن ڪري، اچو ته ڏسو ته اهو ڪيئن ڪم ڪري ٿو.
گڏيل ارتقائي تجزيا ۽ پهريون الفا فولڊ نسل
ڪاميابي جي الفا فولڊ هڪ گہرے اعصابي نيٽ ورڪ ماڊل تي ٺهيل آهي جيڪا ترقي يافته ارتقائي تجزيي کي استعمال ڪندي ٺاهي وئي. گڏيل ارتقاءَ جو تصور اهو ٻڌائي ٿو ته جيڪڏهن هڪ پروٽين ۾ ٻه امينو اسيد هڪ ٻئي سان لهه وچڙ ۾ اچن ٿا ته اهي گڏجي ترقي ڪندا ته جيئن انهن جو فعلي تعلق برقرار رهي.
محقق معلوم ڪري سگھن ٿا ته امينو اسيد جا ڪھڙا جوڙا 3D ڍانچي ۾ رابطي ۾ رھڻ جو امڪان آھي ڪيترن ئي ساڳين پروٽينن جي امينو اسيد جي ترتيبن جو مقابلو ڪندي.
هي ڊيٽا AlphaFold جي پهرين ورهاڱي لاء بنياد طور ڪم ڪري ٿو. اهو امينو اسيد جوڑوں جي وچ ۾ لمبائي جي اڳڪٿي ڪري ٿو ۽ انهي سان گڏ پيپٽائڊ بانڊ جي زاوين جيڪي انهن کي ڳنڍيندا آهن. هن طريقي سان پروٽين جي جوڙجڪ جي ترتيب کان اڳڪٿي ڪرڻ جي سڀني اڳئين طريقن کي ختم ڪيو، جيتوڻيڪ درستگي اڃا تائين محدود هئي پروٽينن لاءِ بغير ڪنهن ظاهري ٽيمپليٽس سان.
الفا فولڊ 2: هڪ بنيادي طور تي نئون طريقو
AlphaFold2 هڪ ڪمپيوٽر سافٽ ويئر آهي جيڪو DeepMind پاران ٺاهيو ويو آهي جيڪو پروٽين جي 3D ساخت جي اڳڪٿي ڪرڻ لاءِ پروٽين جي امينو ايسڊ جي ترتيب کي استعمال ڪري ٿو.
اهو اهم آهي ڇاڪاڻ ته هڪ پروٽين جي جوڙجڪ اهو ٻڌائي ٿو ته اهو ڪيئن ڪم ڪري ٿو، ۽ ان جي ڪم کي سمجهڻ سائنسدانن کي دوائن کي ترقي ڪرڻ ۾ مدد ڪري سگهي ٿي جيڪي پروٽين کي نشانو بڻائين.
AlphaFold2 نيورل نيٽ ورڪ پروٽين جي امينو ايسڊ جي ترتيب کي انپٽ طور حاصل ڪري ٿو ۽ انهي سان گڏ تفصيلات ته ڪيئن اهو سلسلو ڊيٽابيس ۾ ٻين ترتيبن سان مقابلو ڪري ٿو (هن کي "ترتيب جي ترتيب" سڏيو ويندو آهي).
نيورل نيٽورڪ هن ان پٽ جي بنياد تي پروٽين جي 3D ساخت جي باري ۾ اڳڪٿي ڪري ٿو.
AlphaFold2 کان سواءِ ڇا سيٽ ڪري ٿو؟
ٻين طريقن جي ابتڙ، AlphaFold2 پروٽين جي حقيقي 3D ساخت جي اڳڪٿي ڪري ٿو بلڪه صرف امينو اسيد جي جوڑوں جي وچ ۾ علحدگي يا انهن کي ڳنڍيندڙ بانڊن جي وچ ۾ زاوين (جيئن اڳئين الگورتھم ڪيو ويو).
نيورل نيٽ ورڪ لاءِ مڪمل ڍانچي کي هڪ ئي وقت ۾ پيش ڪرڻ لاءِ، ڍانچي کي انڪوڊ ڪيو ويو آهي آخر کان آخر تائين.
AlphaFold2 جي هڪ ٻي اهم خصوصيت اها آهي ته اهو هڪ اندازو پيش ڪري ٿو ته اهو ان جي اڳڪٿي ۾ ڪيترو اعتماد آهي. هي پيش ڪيل ڍانچي تي هڪ رنگ ڪوڊنگ طور پيش ڪيو ويو آهي، ڳاڙهي سان اعلي اعتماد جي نمائندگي ڪري ٿو ۽ نيرو گهٽ اعتماد جو مشورو ڏئي ٿو.
اهو مفيد آهي ڇو ته اهو سائنسدانن کي اڳڪٿي جي استحڪام بابت ڄاڻ ڏئي ٿو.
ڪيترن ئي ترتيبن جي گڏيل ساخت جي اڳڪٿي ڪرڻ
Alphafold2 جو تازو توسيع، Alphafold Multimer جي نالي سان سڃاتو وڃي ٿو، ڪيترن ئي ترتيبن جي گڏيل جوڙجڪ جي اڳڪٿي ڪري ٿو. اهو اڃا تائين اعلي غلطي جي شرح آهي جيتوڻيڪ اهو اڳئين ٽيڪنالاجي کان تمام گهڻو بهتر آهي. صرف 25 مان 4500 پروٽين ڪمپليڪس ڪاميابي سان پيش ڪيا ويا.
رابطي جي ٺهڻ جي خراب علائقن مان 70٪ صحيح طور تي اڳڪٿي ڪئي وئي، پر ٻن پروٽينن جي نسبتي واقفيت غلط هئي. جڏهن وچين ترتيب جي کوٽائي تقريبن 30 ترتيبن کان گهٽ هوندي آهي، الفافولڊ ملٽيمر جي اڳڪٿين جي درستگي کي خاص طور تي رد ڪري ٿو.
ڪيئن استعمال ڪجي Alphafold اڳڪٿيون
AlphaFold مان پيش ڪيل ماڊل ساڳيا فائل فارميٽ ۾ پيش ڪيا ويا آهن ۽ ساڳئي طريقن سان استعمال ڪري سگھجن ٿيون جيئن تجرباتي جوڙجڪ. غلط فهمي کي روڪڻ لاءِ ماڊل سان پيش ڪيل درستگي جي تخميني کي حساب ۾ رکڻ ضروري آهي.
اهو خاص طور تي پيچيده ڍانچين لاءِ مددگار آهي جهڙوڪ انٽر وون هومرز يا پروٽين جيڪي صرف هڪ جي موجودگي ۾ فولڊ ڪن ٿا.
اڻڄاتل ligand.
ڪجھ چئلينجز
اڳڪٿي ڪيل ڍانچي کي استعمال ڪرڻ ۾ بنيادي مسئلو ڊائنامڪس، ligand Selectivity، ڪنٽرول، allostery، پوسٽ-ترجمي واري تبديلين، ۽ پروٽين ۽ بايو فزيڪل ڊيٽا تائين پهچ کان سواءِ بائنڊنگ جي ڪينيٽيڪس کي سمجھڻ آهي.
مشين جي سکيا ۽ فزڪس تي ٻڌل ماليڪيولر ڊائنامڪس ريسرچ کي استعمال ڪري سگھجي ٿو ھن مسئلي کي ختم ڪرڻ لاءِ.
اهي تحقيقون خاص ۽ موثر ڪمپيوٽر فن تعمير مان فائدو وٺن ٿيون. جڏهن ته AlphaFold پروٽين جي جوڙجڪ جي اڳڪٿي ڪرڻ ۾ زبردست ترقي حاصل ڪئي آهي، اتي اڃا به گهڻو ڪجهه سکڻ لاءِ آهي ساختي حياتيات جي شعبي ۾، ۽ AlphaFold اڳڪٿيون صرف مستقبل جي مطالعي لاءِ شروعاتي نقطي آهن.
ٻيا قابل ذڪر اوزار ڇا آهن؟
RoseTTAFold
RoseTTAFold، جيڪو واشنگٽن يونيورسٽي جي محققن پاران تيار ڪيو ويو آهي، ساڳيءَ طرح پروٽين جي جوڙجڪ جي اڳڪٿي ڪرڻ لاءِ ڊيپ لرننگ الگورٿمز کي به استعمال ڪري ٿو، پر اهو پڻ هڪ نئين طريقي کي ضم ڪري ٿو، جنهن کي "torsion angle dynamics simulations" جي نالي سان سڃاتو وڃي ٿو اڳڪٿي ڪيل جوڙجڪ کي بهتر ڪرڻ لاءِ.
هن طريقي سان حوصلا افزائي نتيجا مليا آهن ۽ موجوده AI پروٽين فولڊنگ اوزار جي حدن کي ختم ڪرڻ ۾ ڪارائتو ٿي سگهي ٿو.
ٽر روزيٽا
هڪ ٻيو اوزار، trRosetta، استعمال ڪندي پروٽين فولڊنگ جي اڳڪٿي ڪري ٿو نظرياتي نيٽورڪ لکين پروٽين جي ترتيبن ۽ جوڙجڪ تي تربيت ڪئي وئي.
اهو پڻ استعمال ڪري ٿو "ٽيمپليٽ تي ٻڌل ماڊلنگ" ٽيڪنڪ وڌيڪ صحيح اڳڪٿيون ٺاهڻ لاءِ ٽارگيٽ پروٽين کي مقابلي جي سڃاتل ساختن سان موازنہ ڪندي.
اهو ظاهر ڪيو ويو آهي ته ٽرروسيٽا ننڍڙن پروٽينن ۽ پروٽين جي ڪمپليڪس جي جوڙجڪ جي اڳڪٿي ڪرڻ جي قابل آهي.
DeepMetaPSICOV
DeepMetaPSICOV هڪ ٻيو اوزار آهي جيڪو پروٽين جي رابطي جي نقشن جي اڳڪٿي ڪرڻ تي ڌيان ڏئي ٿو. اهي، پروٽين فولڊنگ جي اڳڪٿي ڪرڻ لاء هڪ گائيڊ طور استعمال ڪيا ويا آهن. اهو استعمال ڪري ٿو تمام گهڻي سکيا هڪ پروٽين جي اندر رهڻ واري رابطي جي امڪان جي اڳڪٿي ڪرڻ لاء طريقا.
اهي بعد ۾ مجموعي رابطي جي نقشي جي اڳڪٿي ڪرڻ لاء استعمال ڪيا ويا آهن. DeepMetaPSICOV وڏي درستگي سان پروٽين جي جوڙجڪ جي اڳڪٿي ڪرڻ جي صلاحيت ڏيکاري ٿي، جيتوڻيڪ اڳئين طريقا ناڪام ٿي چڪا آهن.
مستقبل ڇا سنڀاليندو آهي؟
AI پروٽين فولڊنگ جو مستقبل روشن آهي. گہرے سکيا تي ٻڌل الگورٿمس، خاص طور تي AlphaFold2، تازو ئي پروٽين جي جوڙجڪ جي قابل اعتماد اڳڪٿي ڪرڻ ۾ وڏي ترقي ڪئي آهي.
هن ڳولا ۾ سائنسدانن کي پروٽين جي جوڙجڪ ۽ ڪم کي بهتر سمجهڻ جي اجازت ڏيندي دوا جي ترقي کي تبديل ڪرڻ جي صلاحيت آهي، جيڪي عام علاج جا مقصد آهن.
حالانڪه، مسئلا پروٽين ڪمپليڪس جي اڳڪٿي ڪرڻ ۽ متوقع اڏاوتن جي حقيقي فنڪشنل حيثيت کي ڳولڻ وانگر. وڌيڪ تحقيق جي ضرورت آهي انهن مسئلن کي حل ڪرڻ ۽ AI پروٽين فولڊنگ الگورتھم جي درستگي ۽ اعتبار کي وڌائڻ لاءِ.
اڃان تائين، هن ٽيڪنالاجي جا امڪاني فائدا تمام وڏا آهن، ۽ ان ۾ وڌيڪ اثرائتي ۽ صحيح دوائن جي پيداوار جي صلاحيت آهي.
جواب ڇڏي وڃو