انقلابی در پزشکی با طراحی شکل پروتئین‌ها با هوش مصنوعی

دو گروه پیشرو در زیست فناوری اعلام کردند که مدل‌های هوش مصنوعی آنها می‌تواند هر پروتئینی را طراحی کند.

مدل‌های هوش مصنوعی مولد و انفجار ایده‌های خلاقانه

سیستم هوش مصنوعی DALL-2 که با دریافت متن، عکسی از آن را تولید می‌کند باعث موجی از ایده‌های خلاقانه در انواع صنایع شده است از مد و فشن تا فیلم‌سازی. این نوع مدل‌های هوش مصنوعی که به آنها  مدل‌های مولد (Generative Models) گفته می‌شود هم‌اکنون در آزمایشگاه‌های زیست فناوری در حال استفاده‌اند تا بتوانند پروتئین‌هایی دلخواه طراحی کنند که حتی در طبیعت هم یافت نمی‌شوند.

پروتئین‌ها بنیان و پایه‌ اصلی انواع عملکرد‌های متفاوت جانداران هستند که وظایف بسیار متنوعی دارند از جمله هضم غذا، حرکت عضله‌ها، تشخیص نور، رهبری سیستم ایمنی و… و در واقع می‌توان گفت که طبیعت از پروتئین‌ها در هر کاری استفاده می‌کند. در نتیجه پروتئین‌ها هدف اصلی داروها هستند و داروهای جدید خود بر پایه پروتئین هستند.

طراحی پروتئین با استفاده از هوش مصنوعی

دو  گروه پیشرو در زیست فناوری در طراحی پروتئین‌ها با استفاده از هوش مصنوعی اعلام موفقیت‌های چشم‌گیری کردند. استارت‌آپ Generate Biomedicines  که برنامه‌ای به نام Chroma ارائه داده است و از آن به عنوان DALL-E زیست‌شناسی یاد می‌کند و تیمی از دانشگاه واشنگتن به رهبری زیست‌شناس دکتر بیکر که سیستمی تحت عنوان RoseTTAFold را ارائه داده است. هر دوی این سیستم‌های مبتنی بر هوش مصنوعی طرح‌هایی را برای پروتئین‌های جدید تولید می‌کنند که دقتشان از مدل‌های هوش مصنوعی پیشین بیشتر است.

این سیستم‌ها در طراحی پروتئین می‌توانند طوری تنظیم شوند که طرح‌هایی را برای پروتئین‌هایی با ویژگی‌های خاصی تولید کنند. برای مثال با شکل و اندازه دلخواه چرا که شکل پروتئین کارکرد آن را مشخص می‌کند. در واقع این بدان معناست که می‌شود به پروتئین‌هایی جدیدی رسید که  عملکرد بسیار خاصی دارند. پژوهشگران امیدوارند که  این سیستم‌های مبتنی بر هوش مصنوعی در نهایت منجر به تولید داروهایی جدید و بسیار موثر شود.

پروتئین طراحی شده توسط سیستم RoseTTAFold که به پروتئین Spike بیماری کرونا می‌چسبد.

نحوه عملکرد دو سیستم هوش مصنوعی در طراحی پروتئین

در هوش مصنوعی، مدل‌های ترکیب‌شده (Diffusion models) شبکه‌های عصبی هستند که برای حذف نویز از ورودیشان آموزش دیده‌اند. برای مثال یک عکس با هزاران پیکسل تصادفی به این مدل‌ها داده می‌شود و مدل تلاش می‌کند که آن را به یک عکس قابل تشخیص تبدیل کند.

نحوه عملکرد سیستم هوش مصنوعی Chroma از استارت‌آپ Generate Biomedicines به این شکل است که آمینو اسید‌ باز شده به شکل نویز به این برنامه داده می‌شود و  اگر به این سیستم توالی تصادفی از این زنجیره آمینو اسید بدهیم، برنامه chroma تلاش می‌کند که آمینو اسید‌ها را به هم متصل کند تا یک پروتئین تشکیل دهد. اگر هم برای این سیستم محدودیتی تعین شود سیستم پروتئینی را با توجه با آن محدودیت‌ها خواهد ساخت.

سیستم هوش مصنوعی RoseTTAFold به رهبری دکتر بیکر رویکرد متفاوتی دارد. اگرچه نتیجه نهایی هر دو سیستم یکسان است ولی سیستم  RoseTTAFold با یک ساختار بسیار درهم و پیچیده شروع می‌کند و از اطلاعاتی از نحوه تشکیل پروتئین‌ها استفاده می‌کند که این اطلاعات توسط یک شبکه عصبی جدا که برای پیش‌بینی پروتئین‌ها ساخته شده است فراهم می‌شود. طراحی پروتئین در واقعیت کاربردی ندارد اما چونکه کارکرد‌های یک پروتئین با شکلش تعیین می‌شود، اینکه بتوانیم پروتئین‌هایی با شکل دلخواه طراحی کنیم امری حیاتی است و خود انقلابی در پزشکی و زیست‌شناسی محسوب می‌شود.

از طراحی تا واقعیت

در صنعت زیست فناوری طراحی پروتئین‌ها با کامپیوتر یک چیز است و تبدیل آن به یک طرح واقعی چیز دیگریست. برای تست‌کردن توانایی واقعی Chroma، به این سیستم توالی آمینو اسید برخی از طراحی‌های خود را به عنوان ورودی به یک برنامه هوش مصنوعی دیگر دادند و متوجه شدند ۵۵٪ از طراحی‌های Chroma درست است

تیم بکر تست‌های سخت‌تری از برنامه خود گرفت. این تیم به سیستم خود هورمونی دادند و از آن خواستند که پروتئینی طراحی کند که به این هورمون می‌چسبد. وقتی که پروتئین طراحی شده را در آزمایشگاه با آن هورمون تست کردند متوجه شدند که پروتئین به شکل بسیار عالی به آن هورمون می‌چسبد و روششان از هر روش محاسباتی دیگری بهتر است.