طور باحثون في جامعة تورنتو نظام ذكاء اصطناعي يمكنه إنشاء بروتينات غير موجودة في الطبيعة باستخدام الانتشار التوليدي، وهي نفس التقنية المستخدمة بمنصات إنشاء الصور الشهيرة، مثل دال إي وميد جورني.

سيساعد النظام في تطوير مجال البيولوجيا التوليدية، الذي يعد بتسريع تطوير الأدوية من خلال جعل تصميم واختبار البروتينات العلاجية الجديدة كليًا أكثر كفاءة ومرونة.

يقول فيليب إم. كيم، الأستاذ في مركز دونيلي للبحوث الخلوية والجزيئية الحيوية في كلية الطب في جامعة تورنتو تيميرتي: “يتعلم نموذجنا من تمثيلات الصور لتوليد بروتينات جديدة تمامًا بمعدل مرتفع جدًا”.

وأضاف: “يبدو أن جميع البروتينات لدينا تبدو حقيقية من الناحية الفيزيائية الحيوية، ما يعني أنها تنطوي على تكوينات تمكنها من تنفيذ وظائف محددة داخل الخلايا”.

 نشرت مجلة “نيتشر للعلوم الحاسوبية” النتائج، ونشرت أيضًا مختبرات كيم نسخة مسبقة عن النموذج في الصيف الماضي عبر خادم الوصول المفتوح بايوريكسيف، قبل نشر نسختين مشابهتين في ديسمبر الماضي، أحدها بعنوان “RF Diffusion” من جامعة واشنطن، والآخر بعنوان “كروما” من شركة جينيريت بايوميديسين.

تتكون البروتينات من سلاسل من الأحماض الأمينية التي تنطوي على أشكال ثلاثية الأبعاد، التي بدورها تحدد وظيفة البروتين. تطورت هذه الأشكال على مدى بلايين السنين وهي متنوعة ومعقدة، ولكنها أيضًا محدودة العدد. من خلال فهم أفضل لكيفية طي البروتينات الموجودة، بدأ الباحثون في تصميم أنماط قابلة للطي لا تنتج في الطبيعة.

لكن التحدي الرئيسي، كما يقول كيم، كان تخيل الطيات الممكنة والوظيفية.

أوضح كيم، الذي يعمل أيضًا أستاذًا في قسمي علم الوراثة الجزيئية وعلوم الحاسوب في جامعة تورنتو: “لقد كان من الصعب جدًا التنبؤ بالطيات التي ستكون حقيقية وستعمل في بنية بروتينية”.

وأضاف: “من خلال الجمع بين التمثيلات القائمة على الفيزياء الحيوية لبنية البروتين وطرق الانتشار من مجال توليد الصور، يمكننا البدء في معالجة هذه المشكلة”.

يستمد النظام الجديد، الذي يسميه الباحثون ProteinSGM، من مجموعة كبيرة من التمثيلات الشبيهة بالصور للبروتينات الموجودة التي تشفر بنيتها بدقة. يغذي الباحثون هذه الصور في نموذج انتشار توليدي، الذي يضيف التشوش تدريجيًا حتى تصبح كل صورة مشوشة.

يتتبع النموذج كيف تصبح الصور أكثر تشويشًا، ثم يدير العملية في الاتجاه المعاكس، ويتعلم كيفية تحويل وحدات البكسل العشوائية إلى صور واضحة تتوافق مع البروتينات الجديدة تمامًا.

يقول جين سوب (مايكل) لي، طالب الدكتوراه في مختبر كيم والمؤلف الأول للورقة البحثية، إن تحسين المرحلة المبكرة من عملية توليد الصور هذه كان أحد أكبر التحديات في إنشاء ProteinSGM.

وأضاف: “كانت الفكرة الرئيسية هي التمثيل المناسب المشابه للصور لبنية البروتينات، بحيث يمكن لنموذج الانتشار تعلم كيفية إنتاج بروتينات جديدة بدقة”.

كان من الصعب أيضًا التحقق من صحة البروتينات التي ينتجها ProteinSGM. يولد النظام العديد من الهياكل، غالبًا ما تختلف عن أي شيء موجود في الطبيعة. أشار لي أن جميعها تقريبًا تبدو حقيقية وفقًا للمقاييس القياسية، لكن الباحثين احتاجوا إلى مزيد من الإثبات.

لاختبار البروتينات الجديدة الخاصة بهم، لجأ لي وزملاؤه لأول مرة إلى أوميجا فولد، وهي نسخة محسنة من برنامج ألفا فولد 2 الخاص بـشركة ديب مايند. كلا النظامين يستخدمان الذكاء الاصطناعي للتنبؤ ببنية البروتينات بناءً على تسلسل الأحماض الأمينية.

باستخدام أوميجا فولد، أكد الباحثون أن جميع التسلسلات الجديدة تقريبًا تنطوي على الهياكل البروتينية المرغوبة والجديدة أيضًا. ثم اختاروا عددًا أصغر من هذه التسلسلات لإنتاجها عمليًا في أنابيب الاختبار، للتأكد من أن الهياكل كانت بروتينات وليست مجرد سلاسل شاردة من المركبات الكيميائية.

أوضح لي: “بفضل التطابق في أوميجا فولد والاختبار التجريبي في المختبر، يمكننا التأكيد بثقة أن هذه البروتينات مطوية بشكل صحيح. كان من المدهش رؤية التحقق من هذه الطيات البروتينية الجديدة تمامًا التي لا توجد في أي مكان في الطبيعة”.

يقول كيم إن الخطوات التالية المستندة على هذا العمل تشمل مزيدًا من تطوير ProteinSGM للأجسام المضادة والبروتينات الأخرى ذات الإمكانيات العلاجية الأكثر. ويضيف: “سيكون هذا مجالًا مثيرًا للغاية للبحث وريادة الأعمال”.

 يقول لي إنه يود أن يرى البيولوجيا التوليدية تتحرك نحو التصميم المشترك لتسلسلات وهياكل البروتين، بما في ذلك تكوينات سلسلة البروتين الجانبية. ركزت معظم الأبحاث حتى الآن على توليد العمود الفقري، الذي يشكل الهياكل الكيميائية الأولية التي تربط البروتينات معًا.

 وأضاف: “تحدد تكوينات السلسلة الجانبية في النهاية وظيفة البروتين، وعلى الرغم من أن تصميمها يعني زيادة هائلة في التعقيد، فقد يكون ذلك ممكنًا باستخدام الهندسة المناسبة. نأمل في معرفة ذلك”.

المصدر: https://neurosciencenews.com

ترجمة: سارة الشافعي

مراجعة وتدقيق: زينب محمد