Physical Address

304 North Cardinal St.
Dorchester Center, MA 02124

एआई प्रोटीन परिसरों के कोड को तोड़ता है—नए दवा लक्ष्यों के लिए एक रोड मैप प्रदान करता है


प्रोटीन संरचना की भविष्यवाणी में कृत्रिम बुद्धिमत्ता (एआई) क्रांति जारी है। केवल 1 साल पहले, सॉफ्टवेयर प्रोग्राम पहली बार व्यक्तिगत प्रोटीन के 3 डी आकार को सटीक रूप से मॉडलिंग करने में सफल रहे क्योंकि दशकों पुरानी प्रयोगात्मक तकनीकें उन्हें निर्धारित कर सकती हैं। इस गर्मी में, शोधकर्ताओं ने उन एआई कार्यक्रमों का उपयोग मानव प्रोटीन संरचनाओं की लगभग पूर्ण सूची को इकट्ठा करने के लिए किया। अब, शोधकर्ताओं ने एक बार फिर से उन कार्यक्रमों के संयोजन का अनावरण किया है जो यह निर्धारित कर सकते हैं कि कौन से प्रोटीन एक दूसरे के साथ बातचीत कर सकते हैं और परिणामी परिसरों- सेल के महत्वपूर्ण इंजन-जैसे दिखते हैं।

स्टैनफोर्ड यूनिवर्सिटी के सिस्टम बायोलॉजिस्ट माइकल स्नाइडर कहते हैं, “यह वास्तव में अच्छा परिणाम है।” “जीव विज्ञान में सब कुछ परिसरों में काम करता है। इसलिए, यह जानना कि किसके साथ काम करना महत्वपूर्ण है।” पिछली तकनीकों के साथ उन रिश्तों तक पहुंचना मुश्किल था। उनकी भविष्यवाणी करने की नई क्षमता, वे कहते हैं, कोशिका जीव विज्ञान में अंतर्दृष्टि की एक सरणी उत्पन्न करनी चाहिए और संभवतः अगली पीढ़ी की चिकित्सीय दवाओं के लिए नए लक्ष्य प्रकट करना चाहिए।

प्रोटीन के आकार को परमाणु पैमाने पर मैप करना हाल ही में महंगी और धीमी प्रयोगात्मक तकनीकों, जैसे एक्स-रे क्रिस्टलोग्राफी और परमाणु चुंबकीय अनुनाद स्पेक्ट्रोस्कोपी की आवश्यकता तक है। वे प्रायोगिक तकनीकें, यदि वे बिल्कुल भी काम करती हैं, तो आम तौर पर केवल व्यक्तिगत प्रोटीन संरचनाओं का उत्पादन करती हैं।

कंप्यूटर मॉडलिंग विशेषज्ञों ने चीजों को गति देने के लिए दशकों तक काम किया है। उनकी हालिया सफलता गहन शिक्षण एल्गोरिदम पर निर्भर करती है, जो सॉफ्टवेयर प्रोग्राम को प्रशिक्षित करने के लिए प्रयोगात्मक रूप से हल किए गए प्रोटीन संरचनाओं के डेटाबेस का उपयोग करते हैं ताकि उनके एमिनो एसिड अनुक्रमों के आधार पर प्रोटीन के लिए संरचनाओं की भविष्यवाणी कैसे की जा सके।

पिछले साल, दो समूहों, एक ब्रिटेन की कंपनी डीपमाइंड से और दूसरा डेविड बेकर के नेतृत्व में वाशिंगटन विश्वविद्यालय, सिएटल में, प्रतिद्वंद्वी एआई प्रोग्राम बनाए, जो दोनों अब हजारों द्वारा अनुमानित प्रोटीन संरचनाओं का मंथन करें. सॉफ्टवेयर कुछ ज्ञात प्रोटीन परिसरों के लिए संरचनाओं का भी निर्माण किया, ज्यादातर बैक्टीरिया में। लेकिन यूकेरियोट्स में-जीवों से खमीर से लोगों तक- अंतःक्रियात्मक साझेदार अक्सर अज्ञात होते हैं। उन्हें पहचानना और भविष्यवाणी करना कि वे एक परिसर में कैसे एक साथ आते हैं, मूल कार्यक्रमों के लिए बहुत अधिक बार थे।

अब, दोनों शोध समूहों ने अपने कार्यक्रमों को बदल दिया है ताकि वे सैकड़ों तक प्रोटीन परिसरों की संरचनाओं को हल कर सकें। ऑनलाइन आज में विज्ञान, बेकर और उनके सहयोगियों यूकेरियोट्स में 712 परिसरों की संरचनाओं को हल करने के लिए एआई तकनीकों के संयोजन का उपयोग करें.

प्रोटीन को खोजने के लिए जो एक साथ परिसर बना सकते हैं, टीम ने सभी 6000 खमीर प्रोटीन के एमिनो एसिड अनुक्रम की तुलना 2026 अन्य कवक और 4325 अन्य यूकेरियोट्स से की। तुलना ने शोधकर्ताओं को यह ट्रैक करने की अनुमति दी कि विकास के दौरान उन प्रोटीनों में कैसे बदलाव आया और विभिन्न प्रोटीनों में अग्रानुक्रम में परिवर्तन के लिए दिखाई देने वाले अनुक्रमों की पहचान की। शोधकर्ताओं ने तर्क दिया कि वे प्रोटीन कॉम्प्लेक्स बना सकते हैं, और यह कि वे अपनी बातचीत को बनाए रखने के लिए कदम में बदल गए। तब टीम ने अपने AI प्रोग्राम का उपयोग किया, जिसे RoseTTAFold कहा जाता है, साथ ही डीपमाइंड का अल्फाफोल्ड, जो सार्वजनिक रूप से उपलब्ध है, उम्मीदवारों के प्रत्येक सेट की 3D संरचनाओं को हल करने का प्रयास करने के लिए। 8.3 मिलियन पहचाने गए सह-विकासशील यीस्ट प्रोटीन जोड़े में से, एआई कार्यक्रमों ने 1506 प्रोटीनों की पहचान की, जो 712, या लगभग आधे की 3डी संरचनाओं को इंटरैक्ट करने और सफलतापूर्वक मैप किए जाने की संभावना थी।

यूनिवर्सिटी ऑफ टेक्सास साउथवेस्टर्न मेडिकल सेंटर में बायोमेडिकल इंफॉर्मेटिक्स विशेषज्ञ टीम के सदस्य कियान कांग कहते हैं, “ये इंटरैक्शन यूकेरियोटिक कोशिकाओं की सभी प्रक्रियाओं को फैलाते हैं।” हाइलाइट्स में, कांग्रेस और बेकर कहते हैं, प्रोटीन कॉम्प्लेक्स के लिए संरचनाएं हैं जो कोशिकाओं को अपने डीएनए को नुकसान की मरम्मत करने की अनुमति देती हैं, आरएनए को राइबोसोम में प्रोटीन में अनुवाद करती हैं, सेल प्रजनन के दौरान गुणसूत्रों को अलग करती हैं, और सेल झिल्ली के माध्यम से फेरी अणुओं को खींचती हैं।

दीपमाइंड के जॉन जम्पर, अल्फाफोल्ड के प्रमुख डेवलपर्स में से एक, कहते हैं, “यह 3 डी संरचनाओं के वादे का एक बड़ा उदाहरण है”। प्रोटीन एक दूसरे के साथ कैसे इंटरैक्ट करते हैं, इसका सटीक रूप से खुलासा करके, मॉडल को जीवविज्ञानी को यह देखने में मदद करनी चाहिए कि कैसे पहले अज्ञात कॉम्प्लेक्स सेल के भीतर कई तरह के काम करते हैं।

“ये मॉडल प्रयोगवादियों को परीक्षण के लिए परिकल्पना देते हैं,” कांग्रेस कहते हैं। और क्योंकि इन अंतःक्रियाओं को बाधित करने से विभिन्न प्रकार की बीमारियों में हस्तक्षेप करने के नए तरीके मिल सकते हैं, वह आगे कहती हैं, “यह आपको बहुत से संभावित नए दवा लक्ष्य भी देता है।”

और भी रास्ते में होने की संभावना है। पिछले महीने, जम्पर और उनके सहयोगी एक प्रीप्रिंट पोस्ट किया उनके AI के एक नए संस्करण का वर्णन करने वाले bioRxiv सर्वर पर, जिसे AlphaFold-Multimer कहा जाता है, जिसने 4433 प्रोटीन परिसरों की संरचनाओं की मैपिंग की। एआई कार्यक्रम के भीतर विश्लेषण जो प्रत्येक तह के आत्मविश्वास के स्तर को मापते हैं, सुझाव देते हैं कि संरचनाएं 69% समय तक सटीक थीं। नीचे की रेखा, बेकर कहते हैं: “यह वास्तव में संरचनात्मक जीव विज्ञान के लिए एक रोमांचक समय है।”



Source link

Leave a Reply