ජීවිතයේ විශාලතම අභිරහස් වලින් එකක් වන ප්රෝටීන් නැමීමට පිළිතුරු දීමට අපට කෘතිම බුද්ධිය භාවිතා කළ හැකි නම් කුමක් කළ යුතුද? දශක ගණනාවක් තිස්සේ විද්යාඥයන් මේ සඳහා කටයුතු කර ඇත.
යන්ත්රවලට දැන් ගැඹුරු ඉගෙනුම් ආකෘතීන්, ඖෂධ සංවර්ධනය, ජෛව තාක්ෂණය සහ මූලික ජීව විද්යාත්මක ක්රියාවලීන් පිළිබඳ අපගේ දැනුම වෙනස් කිරීම භාවිතයෙන් පුදුමාකාර නිරවද්යතාවයකින් ප්රෝටීන් ව්යුහයන් පුරෝකථනය කළ හැකිය.
අති නවීන තාක්ෂණය ජීවිතයේ සංකීර්ණත්වය සමඟ ගැටෙන AI ප්රෝටීන් නැමීමේ කුතුහලය දනවන ක්ෂේත්රය වෙත ගවේෂණයකට මා හා එක්වන්න.
ප්රෝටීන් නැමීමේ අභිරහස හෙළිදරව් කිරීම
ආහාර බිඳ දැමීම හෝ ඔක්සිජන් ප්රවාහනය වැනි තීරණාත්මක කාර්යයන් ඉටු කිරීම සඳහා ප්රෝටීන කුඩා යන්ත්ර මෙන් අපගේ ශරීරය තුළ ක්රියා කරයි. අගුලකට සරිලන ලෙස යතුරක් නිවැරදිව කපා ගත යුතු සේම, ඵලදායී ලෙස ක්රියා කිරීම සඳහා ඒවා නිවැරදිව නැමිය යුතුය. ප්රෝටීන් නිර්මාණය වූ වහාම ඉතා සංකීර්ණ නැමීමේ ක්රියාවලිය ආරම්භ වේ.
ප්රෝටීන් නැමීම යනු ප්රෝටීනයේ ගොඩනැඟිලි කොටස් වන ඇමයිනෝ අම්ලවල දිගු දාම ප්රෝටීනයේ ක්රියාකාරිත්වය නියම කරන ත්රිමාණ ව්යුහවලට නැමීමේ ක්රියාවලියයි.
නිශ්චිත ආකෘතියකට ඇණවුම් කළ යුතු දිගු පබළු මාලාවක් සලකා බලන්න; ප්රෝටීනයක් නැමෙන විට සිදු වන්නේ මෙයයි. එහෙත්, පබළු මෙන් නොව, ඇමයිනෝ අම්ල අද්විතීය ලක්ෂණ ඇති අතර විවිධ ආකාරවලින් එකිනෙකා සමඟ අන්තර් ක්රියා කරයි, ප්රෝටීන් නැමීම සංකීර්ණ හා සංවේදී ක්රියාවලියක් බවට පත් කරයි.
මෙහි පින්තූරය නියෝජනය කරන්නේ මානව හිමොග්ලොබින්, එය ප්රසිද්ධ නැමුණු ප්රෝටීනයකි
ප්රෝටීන වේගයෙන් හා නිවැරදිව නැමිය යුතුය, නැතහොත් ඒවා වැරදි ලෙස නැවී දෝෂ සහිත වනු ඇත. එමගින් ඇල්සයිමර් සහ පාකින්සන් වැනි රෝග ඇති විය හැක. උෂ්ණත්වය, පීඩනය සහ සෛලය තුළ අනෙකුත් අණු පැවතීම සියල්ල නැමීමේ ක්රියාවලියට බලපායි.
දශක ගණනාවක පර්යේෂණවලින් පසුව, විද්යාඥයින් තවමත් උත්සාහ කරන්නේ ප්රෝටීන නැමෙන්නේ කෙසේද යන්න නිවැරදිව සොයා ගැනීමටයි.
වාසනාවකට මෙන්, කෘතිම බුද්ධියේ දියුණුව මෙම අංශයේ සංවර්ධනය වැඩි දියුණු කරයි. විද්යාඥයින්ට ප්රෝටීන වල ව්යුහය පෙරට වඩා නිවැරදිව භාවිතා කිරීමෙන් අපේක්ෂා කළ හැක යන්ත්ර ඉගෙනීමේ ඇල්ගොරිතම දැවැන්ත දත්ත පරිමාවන් පරීක්ෂා කිරීමට.
මෙය ඖෂධ සංවර්ධනය වෙනස් කිරීමට සහ රෝගය පිළිබඳ අපගේ අණුක දැනුම වැඩි කිරීමට හැකියාව ඇත.
යන්ත්රවලට වඩා හොඳින් ක්රියා කළ හැකිද?
සාම්ප්රදායික ප්රෝටීන් නැමීමේ ක්රමවලට සීමාවන් ඇත
විද්යාඥයින් දශක ගණනාවක් තිස්සේ ප්රෝටීන් නැමීම සොයා ගැනීමට උත්සාහ කර ඇත, නමුත් ක්රියාවලියේ සංකීර්ණත්වය මෙය අභියෝගාත්මක විෂයයක් බවට පත් කර ඇත.
සාම්ප්රදායික ප්රෝටීන ව්යුහ පුරෝකථන ප්රවේශයන් පර්යේෂණාත්මක ක්රමවේද සහ පරිගණක ආකෘති නිර්මාණයේ එකතුවක් භාවිතා කරයි, කෙසේ වෙතත්, මෙම ක්රම සියල්ලටම අවාසි ඇත.
එක්ස් කිරණ ස්ඵටික විද්යාව සහ න්යෂ්ටික චුම්භක අනුනාදනය (NMR) වැනි පර්යේෂණාත්මක ශිල්පීය ක්රම බොහෝ කාලයක් වැය වන අතර මිල අධික විය හැක. තවද, පරිගණක ආකෘති සමහර විට සරල උපකල්පන මත රඳා පවතී, එය වැරදි අනාවැකි වලට තුඩු දිය හැකිය.
AI හට මෙම බාධක ජය ගත හැක
වාසනාවකට මෙන්, කෘතිම බුද්ධිය වඩාත් නිවැරදි හා කාර්යක්ෂම ප්රෝටීන ව්යුහය පුරෝකථනය කිරීම සඳහා නැවුම් පොරොන්දුවක් සපයයි. යන්ත්ර ඉගෙනීමේ ඇල්ගොරිතම මගින් දැවැන්ත දත්ත පරිමාවන් පරීක්ෂා කළ හැක. තවද, ඔවුන් මිනිසුන්ට මග හැරෙන රටා හෙළි කරයි.
මෙහි ප්රතිඵලයක් ලෙස ප්රෝටීන ව්යුහය අසමසම නිරවද්යතාවයකින් පුරෝකථනය කළ හැකි නව මෘදුකාංග මෙවලම් සහ වේදිකා නිර්මාණය වී ඇත.
ප්රෝටීන් ව්යුහ අනාවැකිය සඳහා වඩාත්ම පොරොන්දු වූ යන්ත්ර ඉගෙනුම් ඇල්ගොරිතම
Google's විසින් ගොඩනගා ඇති AlphaFold පද්ධතිය Deepmind කණ්ඩායම මෙම ප්රදේශයේ වඩාත්ම පොරොන්දු වූ දියුණුවකි. එය භාවිතා කිරීමෙන් මෑත වසරවලදී විශාල ප්රගතියක් ලබා ඇත ගැඹුරු ඉගෙනුම් ඇල්ගොරිතම ඔවුන්ගේ ඇමයිනෝ අම්ල අනුපිළිවෙල මත පදනම්ව ප්රෝටීන වල ව්යුහය පුරෝකථනය කිරීමට.
ස්නායුක ජාල, ආධාරක දෛශික යන්ත්ර සහ අහඹු වනාන්තර ප්රෝටීන ව්යුහය පුරෝකථනය කිරීමට පොරොන්දු වන යන්ත්ර ඉගෙනුම් ක්රම අතර වේ.
මෙම ඇල්ගොරිතම විශාල දත්ත කට්ටල වලින් ඉගෙන ගත හැකිය. තවද, ඔවුන්ට විවිධ ඇමයිනෝ අම්ල අතර සහසම්බන්ධතා අපේක්ෂා කළ හැකිය. ඉතින්, අපි බලමු කොහොමද වැඩ කරන්නේ කියලා.
සම පරිණාමීය විශ්ලේෂණ සහ පළමු ඇල්ෆා ෆෝල්ඩ් පරම්පරාව
සාර්ථකත්වය ඇල්ෆා ෆෝල්ඩ් සම-පරිණාමීය විශ්ලේෂණය උපයෝගී කරගනිමින් සංවර්ධනය කරන ලද ගැඹුරු ස්නායුක ජාල ආකෘතියක් මත ගොඩනගා ඇත. සම-පරිණාමයේ සංකල්පය පවසන්නේ ප්රෝටීනයක ඇති ඇමයිනෝ අම්ල දෙකක් එකක් සමඟ අන්තර් ක්රියා කළහොත්, ඒවායේ ක්රියාකාරී සම්බන්ධය තබා ගැනීම සඳහා ඒවා එකට වර්ධනය වන බවයි.
සමාන ප්රෝටීන රාශියක ඇමයිනෝ අම්ල අනුපිළිවෙල සංසන්දනය කිරීමෙන් ත්රිමාණ ව්යුහය තුළ ස්පර්ශ විය හැකි ඇමයිනෝ අම්ල යුගල මොනවාදැයි පර්යේෂකයන්ට හඳුනාගත හැකිය.
මෙම දත්ත AlphaFold හි පළමු පුනරාවර්තනය සඳහා පදනම ලෙස සේවය කරයි. එය ඇමයිනෝ අම්ල යුගල අතර දිග මෙන්ම ඒවා සම්බන්ධ කරන පෙප්ටයිඩ බන්ධනවල කෝණ පුරෝකථනය කරයි. මෙම ක්රමය අනුපිළිවෙලින් ප්රෝටීන් ව්යුහය පුරෝකථනය කිරීම සඳහා වූ සියලු පූර්ව ප්රවේශයන් අභිබවා ගිය නමුත්, පැහැදිලි සැකිලි නොමැති ප්රෝටීන සඳහා තවමත් නිරවද්යතාව සීමා කර ඇත.
AlphaFold 2: රැඩිකල් ලෙස නව ක්රමවේදයක්
AlphaFold2 යනු DeepMind විසින් නිර්මාණය කරන ලද පරිගණක මෘදුකාංගයක් වන අතර එය ප්රෝටීනයේ ත්රිමාණ ව්යුහය පුරෝකථනය කිරීමට ප්රෝටීනයේ ඇමයිනෝ අම්ල අනුක්රමයක් භාවිතා කරයි.
මෙය වැදගත් වන්නේ ප්රෝටීනයක ව්යුහය එය ක්රියා කරන ආකාරය නියම කරන නිසාත්, එහි ක්රියාකාරිත්වය අවබෝධ කර ගැනීමෙන් ප්රෝටීන් ඉලක්ක කර ගන්නා ඖෂධ නිපදවීමට විද්යාඥයින්ට උපකාර කළ හැකි බැවිනි.
AlphaFold2 ස්නායුක ජාලයට ප්රෝටීනයේ ඇමයිනෝ අම්ල අනුක්රමය මෙන්ම එම අනුක්රමය දත්ත සමුදායේ අනෙකුත් අනුපිළිවෙලවල් හා සසඳන ආකාරය පිළිබඳ විස්තර ආදානය ලෙස ලබා ගනී (මෙය "අනුක්රම පෙළගැස්මක්" ලෙස හැඳින්වේ).
ස්නායුක ජාලය මෙම ආදානය මත පදනම්ව ප්රෝටීනයේ ත්රිමාණ ව්යුහය ගැන අනාවැකියක් කරයි.
AlphaFold2 වෙතින් එය වෙන් කරන්නේ කුමක්ද?
අනෙකුත් ප්රවේශයන්ට ප්රතිවිරුද්ධව, AlphaFold2 ප්රෝටීනයේ සැබෑ ත්රිමාණ ව්යුහය පුරෝකථනය කරයි, හුදෙක් ඇමයිනෝ අම්ල යුගල අතර වෙන්වීම හෝ ඒවා සම්බන්ධ කරන බන්ධන අතර කෝණ (පෙර ඇල්ගොරිතම සිදු කළ පරිදි).
ස්නායුක ජාලයට සම්පූර්ණ ව්යුහය එකවර අපේක්ෂා කිරීම සඳහා, ව්යුහය අවසානයේ සිට අවසානය දක්වා කේතනය කර ඇත.
AlphaFold2 හි තවත් ප්රධාන ලක්ෂණයක් වන්නේ එය එහි පුරෝකථනය කෙතරම් විශ්වාසද යන්න පිළිබඳ තක්සේරුවක් ඉදිරිපත් කිරීමයි. මෙය අපේක්ෂිත ව්යුහයේ වර්ණ සංකේතයක් ලෙස ඉදිරිපත් කර ඇති අතර රතු පැහැයෙන් ඉහළ විශ්වාසයක් සහ නිල් පැහැයෙන් අඩු විශ්වාසයක් යෝජනා කරයි.
අනාවැකියේ ස්ථායීතාවය පිළිබඳව විද්යාඥයින් දැනුවත් කරන බැවින් මෙය ප්රයෝජනවත් වේ.
අනුපිළිවෙලවල් කිහිපයක ඒකාබද්ධ ව්යුහය පුරෝකථනය කිරීම
Alphafold Multimer ලෙස හඳුන්වන Alphafold2 හි නවතම ප්රසාරණය අනුපිළිවෙල කිහිපයක ඒකාබද්ධ ව්යුහය පුරෝකථනය කරයි. එය පෙර ශිල්පීය ක්රමවලට වඩා ඉතා හොඳින් ක්රියා කළත් එය තවමත් ඉහළ වැරදි අනුපාත ඇත. ප්රෝටීන් සංකීර්ණ 25 න් 4500% ක් පමණක් සාර්ථක ලෙස පුරෝකථනය කර ඇත.
සම්බන්ධතා ගොඩනැගීමේ රළු කලාපවලින් 70% ක් නිවැරදිව පුරෝකථනය කර ඇත, නමුත් ප්රෝටීන දෙකේ සාපේක්ෂ දිශානතිය වැරදිය. මධ්ය පෙළගැස්වීමේ ගැඹුර දළ වශයෙන් අනුපිළිවෙලවල් 30කට වඩා අඩු වූ විට, ඇල්ෆාෆෝල්ඩ් බහුමාධ්ය අනාවැකිවල නිරවද්යතාවය සැලකිය යුතු ලෙස පහත වැටේ.
Alphafold Predictions භාවිතා කරන්නේ කෙසේද?
AlphaFold වෙතින් පුරෝකථනය කරන ලද ආකෘති එකම ගොනු ආකෘතිවලින් ඉදිරිපත් කර ඇති අතර පර්යේෂණාත්මක ව්යුහයන් ලෙසම භාවිතා කළ හැක. වරදවා වටහාගැනීම් වළක්වා ගැනීම සඳහා ආකෘතිය සමඟ ඉදිරිපත් කර ඇති නිරවද්යතා ඇස්තමේන්තු සැලකිල්ලට ගැනීම ඉතා වැදගත් වේ.
අන්තර් වියන ලද හෝමෝමර් හෝ ප්රෝටීන වැනි සංකීර්ණ ව්යුහයන් සඳහා එය විශේෂයෙන් උපකාරී වේ.
නොදන්නා ලිගන්ඩ්.
අභියෝග කිහිපයක්
පුරෝකථනය කරන ලද ව්යුහයන් භාවිතා කිරීමේ ප්රධාන ගැටළුව වන්නේ ප්රෝටීන් සහ ජෛව භෞතික දත්ත වෙත ප්රවේශයකින් තොරව බන්ධනය වීමේ ගතිකත්වය, ලිගන්ඩ් තේරීම, පාලනය, විභේදනය, පශ්චාත් පරිවර්තන වෙනස්කම් සහ චාලක විද්යාව අවබෝධ කර ගැනීමයි.
යන්ත්රය ඉගෙනුම් සහ භෞතික විද්යාව මත පදනම් වූ අණුක ගතික පර්යේෂණ මෙම ගැටලුව මඟහරවා ගැනීමට යොදා ගත හැක.
මෙම විමර්ශන විශේෂිත සහ කාර්යක්ෂම පරිගණක ගෘහ නිර්මාණ ශිල්පයෙන් ප්රයෝජන ගත හැකිය. AlphaFold විසින් ප්රෝටීන් ව්යුහයන් පුරෝකථනය කිරීමේදී අතිවිශාල දියුණුවක් ලබා ඇති අතර, ව්යුහාත්මක ජීව විද්යා ක්ෂේත්රයේ ඉගෙන ගැනීමට බොහෝ දේ ඇත, සහ AlphaFold අනාවැකි අනාගත අධ්යයනය සඳහා ආරම්භක ලක්ෂ්යය පමණි.
වෙනත් කැපී පෙනෙන මෙවලම් මොනවාද?
RoseTTAFold
වොෂින්ටන් විශ්ව විද්යාලයේ පර්යේෂකයන් විසින් නිර්මාණය කරන ලද RoseTTAFold, ප්රෝටීන ව්යුහයන් පුරෝකථනය කිරීම සඳහා ගැඹුරු ඉගෙනුම් ඇල්ගොරිතම භාවිතා කරයි, නමුත් එය පුරෝකථනය කරන ලද ව්යුහයන් වැඩිදියුණු කිරීම සඳහා “ආතති කෝණ ගතික අනුහුරුකරණ” ලෙස හඳුන්වන නව ප්රවේශයක් ද ඒකාබද්ධ කරයි.
මෙම ක්රමය දිරිගන්වනසුලු ප්රතිඵල ලබා දී ඇති අතර දැනට පවතින AI ප්රෝටීන නැමීමේ මෙවලම්වල සීමාවන් ජය ගැනීමට ප්රයෝජනවත් විය හැක.
ට්රොසෙටා
තවත් මෙවලමක්, trRosetta, භාවිතා කරමින් ප්රෝටීන් නැමීම පුරෝකථනය කරයි ස්නායු ජාලය මිලියන ගණනක් ප්රෝටීන් අනුපිළිවෙලවල් සහ ව්යුහයන් පිළිබඳව පුහුණු කර ඇත.
ඉලක්කගත ප්රෝටීනය සැසඳිය හැකි දන්නා ව්යුහයන් සමඟ සංසන්දනය කිරීමෙන් වඩාත් නිවැරදි අනාවැකි නිර්මාණය කිරීමට එය “සැකිල්ල මත පදනම් වූ ආකෘති නිර්මාණ” තාක්ෂණයක් ද භාවිතා කරයි.
ට්රොසෙටා කුඩා ප්රෝටීන සහ ප්රෝටීන් සංකීර්ණවල ව්යුහයන් පුරෝකථනය කිරීමට සමත් බව ඔප්පු කර ඇත.
DeepMetaPSICOV
DeepMetaPSICOV යනු ප්රෝටීන සම්බන්ධතා සිතියම් පුරෝකථනය කිරීම කෙරෙහි අවධානය යොමු කරන තවත් මෙවලමකි. මේවා, ප්රෝටීන් නැමීම පුරෝකථනය කිරීමට මාර්ගෝපදේශයක් ලෙස භාවිතා කරයි. එය භාවිතා කරයි ගැඹුරු ඉගෙනුම ප්රෝටීනයක් තුළ අවශේෂ අන්තර්ක්රියා වල සම්භාවිතාව පුරෝකථනය කිරීමට ප්රවේශයන්.
සමස්ත සම්බන්ධතා සිතියම පුරෝකථනය කිරීමට මේවා පසුව භාවිතා වේ. DeepMetaPSICOV විසින් පෙර ප්රවේශයන් අසාර්ථක වූ විට පවා ප්රෝටීන් ව්යුහයන් ඉතා නිරවද්යතාවයෙන් පුරෝකථනය කිරීමේ හැකියාව පෙන්නුම් කර ඇත.
අනාගතය කෙබඳු වේද?
AI ප්රෝටීන් නැමීමේ අනාගතය දීප්තිමත් ය. ගැඹුරු ඉගෙනුම් මත පදනම් වූ ඇල්ගොරිතම, විශේෂයෙන් AlphaFold2, ප්රෝටීන් ව්යුහයන් විශ්වාසදායක ලෙස පුරෝකථනය කිරීමේ දී මෑතකදී විශාල ප්රගතියක් ලබා ඇත.
මෙම සොයා ගැනීම පොදු චිකිත්සක ඉලක්ක වන ප්රෝටීන වල ව්යුහය සහ ක්රියාකාරිත්වය වඩා හොඳින් අවබෝධ කර ගැනීමට විද්යාඥයින්ට ඉඩ දීමෙන් ඖෂධ සංවර්ධනය පරිවර්තනය කිරීමේ හැකියාව ඇත.
එසේ වුවද, ප්රෝටීන් සංකීර්ණ පුරෝකථනය කිරීම සහ අපේක්ෂිත ව්යුහයන්ගේ සැබෑ ක්රියාකාරී තත්ත්වය හඳුනා ගැනීම වැනි ගැටලු පවතී. මෙම ගැටළු විසඳීමට සහ AI ප්රෝටීන නැමීමේ ඇල්ගොරිතමවල නිරවද්යතාවය සහ විශ්වසනීයත්වය වැඩි කිරීමට වැඩි පර්යේෂණ අවශ්ය වේ.
එහෙත්, මෙම තාක්ෂණයේ විභව ප්රතිලාභ අතිමහත් වන අතර, එය වඩාත් ඵලදායී හා නිරවද්ය ඖෂධ නිෂ්පාදනය කිරීමට හේතු විය හැක.
ඔබමයි