معلومات عامة

الذكاء الإصطناعي و بنية البروتين

ذكاء اصطناعي

الذكاء الإصطناعي: صنعت شبكة عصبية اصطناعية طورتها شركة DeepMind ، ذراع الذكاء الاصطناعي (AI) لشركة Google ، قفزة إلى الأمام نحو حل أحد أكبر تحديات علم الأحياء: تحديد الشكل ثلاثي الأبعاد للبروتين من تسلسل الأحماض الأمينية.

تفوق برنامج DeepMind ، المسمى ألفا فولد ، على حوالي 100 فريق آخر في مسابقة توقع بنية البروتين كل سنتين تسمى “CASP” ( التقييم النقدي لتوقع الهيكل) .

جدول المحتويات

الذكاء الإصطناعي: القدرة على حساب بنية البروتينات

تم الإعلان عن النتائج في 30 نوفمبر ، في بداية المؤتمر – الافتراضي هذا العام – الذي يعرض نتائج هذا التمرين.

يقول جون مولت ، عالم المعلوماتية الحيوية بجامعة ميريلاند في كوليدج بارك ، الذي شارك في تأسيس مسابقة CASP في عام 1994 لتحسين الأساليب الحسابية للتنبؤ ببنية البروتين: “إنها صفقة كبيرة”. “بمعنى ما ، تم حل المشكلة. “

ستكون القدرة على حساب بنية البروتينات من تسلسل الأحماض الأمينية وحدها خطوة كبيرة إلى الأمام لعلوم الحياة والطب.

هذا من شأنه أن يسهل إلى حد كبير العمل الهادف إلى فهم أفضل لبنات بناء الخلايا وتسريع اكتشاف عقاقير جديدة.

إقرأ أيضا:حصوات الكلى

ظهرت نسخة سابقة من برنامج ألفا فولد بالفعل في القمة في عام 2018 ، للمشاركة الأولى في مسابقة CASP.

لكن شبكة التعلم العميق في Google هذا العام سيطرت إلى حد كبير على برامج الفرق الأخرى ،

ويقول العلماء إنها حققت نتائج مذهلة يمكن أن تنذر بثورة في علم الأحياء البنيوي

قال أندريه لوباس ، عالم الأحياء في معهد ماكس بلانك لعلم الأحياء التنموي في توبنغن بألمانيا ، والذي قيم أداء مختلف الفرق المتنافسة هذا العام: “إنها تغير قواعد اللعبة”.

ساعده ألفا فولد بالفعل في العثور على بنية البروتين التي كانت تمنح فريقه وقتًا عصيبًا لعقد من الزمان ،

ويتوقع أن يغير البرنامج طريقة عمله والقضايا التي يعالجها. سيغير الطب ، والبحوث ، والهندسة الحيوية. هذا سيغير كل شيء “، يضيف.

في بعض الحالات ، كان لا يمكن تمييز هياكل البروتين التي تنبأ بها ألفا فولدعن تلك التي تحددها الطرق التجريبية القياسية مثل التصوير البلوري بالأشعة السينية أو ، مؤخرًا ، الفحص المجهري الإلكتروني.

قد لا يعمل ألفا فولد – على الفور – بدون هذه الأساليب المعقدة والمكلفة ، ولكن وفقًا للباحثين ،

إقرأ أيضا:كيف تزرع حديقة في منزلك

سيسمح لنا الذكاء الاصطناعي هذا بدراسة الكائنات الحية بطريقة جديدة.

الذكاء الإصطناعي: مشكلة الهيكل


البروتينات هي اللبنات الأساسية للحياة وهي مسؤولة عن معظم الأشياء التي تحدث داخل الخلايا.

يتم تحديد وظيفة وعمل البروتين من خلال شكله ثلاثي الأبعاد – “البنية وظيفة” هي واحدة من بديهيات البيولوجيا الجزيئية.

تأخذ البروتينات شكلها بشكل تلقائي بشكل عام ، مع توجيه الطي فقط بقوانين الفيزياء.

لعقود من الزمان ، كانت التجارب المعملية هي الوسيلة الأساسية لتحديد بنية البروتينات.

تم تحديد الهياكل الكاملة الأولى في نهاية الخمسينيات من القرن الماضي ، وذلك بفضل تقنية تتكون من إرسال حزم من الأشعة السينية إلى البروتينات المتبلورة.

ينحرف الضوء عن إلكترونات الجزيء ، ويسمح تحليل نمط الحيود الذي تم الحصول عليه بتوطين ذرات البروتين. أسفرت دراسة البلورات بالأشعة السينية عن معظم هياكل البروتين المعروفة.

ولكن خلال العقد الماضي ، أصبح الفحص المجهري الإلكتروني الأداة المفضلة للعديد من مختبرات البيولوجيا الهيكلية.

تتكون هذه التقنية من التقاط عدد كبير من الصور المجهرية الإلكترونية لعينة مبردة ولطالما تساءل العلماء كيف تأخذ مناطق البروتين – سلسلة من الأحماض الأمينية المختلفة – العديد من التقلبات والطيات التي تعطيها شكلها العام.

إقرأ أيضا:ماذا تفعل في حالة وجود مشكلة مالية؟

أسفرت المحاولات الأولى لاستخدام أجهزة الكمبيوتر للتنبؤ ببنية البروتينات في الثمانينيات

والتسعينيات عن نتائج سيئة. الطرق المقترحة لبعض البروتينات لم تنجح عند تطبيقها على بروتينات أخرى.

في عام 1994 ، كان لدى جون مولت فكرة تنظيم مسابقة دولية ، CASP ، لتحقيق المزيد من الدقة في هذه الجهود. يتحدى الحدث الفرق المشاركة للتنبؤ بهياكل البروتينات التي تم تحديدها باستخدام طرق تجريبية ،

ولكن لم يتم الإعلان عنها. ينسب جون مولت الفضل إلى هذه التجربة – وهو يفضل مصطلح المنافسة – لإحراز تقدم كبير في مجال البحث هذا ،

من خلال إتاحة إمكانية استبعاد العملاء المحتملين المبالغ في تقديرهم. يقول: “تكتشف ما يبدو واعدًا ، وما الذي ينجح وما يجب أن تتركه”.

الذكاء الإصطناعي: متنبئ بهياكل البروتين:


تفوقت خوارزمية ألفا فولد 2 الخاصة بـ DeepMind بشكل كبير على الفرق الأخرى في مسابقة CASP14 Protein Folding Computing Competition ، بالإضافة إلى أدائها الخاص في الإصدار السابق.

متنبئ الهياكل

فاجأ أداء DeepMind لعام 2018 في CASP13 العديد من الباحثين في هذا المجال ، والذي لطالما كان معقل فرق الجامعات الصغيرة. لكن نهجها كان مشابهًا تمامًا لنهج الفرق الأخرى التي استخدمت الذكاء الاصطناعي ، كما يقول جينبو شو ، عالم المعلومات الحيوية بجامعة شيكاغو في إلينوي.

طبقت النسخة الأولى من ألفا فولد طريقة تعلم عميق للبيانات الهيكلية والجينية للتنبؤ بالمسافة بين أزواج الأحماض الأمينية في البروتين. في الخطوة الثانية التي لا تستخدم الذكاء الاصطناعي ، يستخدم ألفا فولد هذه المعلومات للتوصل إلى نموذج “إجماع” لما يجب أن يبدو عليه البروتين ، كما يقول جون جامبر ، الذي يقود المشروع في DeepMind.

و AlphaFold حاول فريق لتطوير هذا النهج، ولكن انتهى ضرب الحائط. لذا فقد غيرت المسار ، وشرحت جون جامبر ، وطوّرت شبكة عصبية تتضمن معلومات إضافية حول القيود الفيزيائية والهندسية التي تحدد كيفية انحناء البروتين. كما أعطته مهمة أكثر صعوبة: فبدلاً من توقع العلاقات بين الأحماض الأمينية ، تتنبأ الشبكة العصبية ببنية التسلسل النهائي للبروتين المستهدف. يوضح جون جامبر: “إنه نظام أكثر تعقيدًا”.

دقة مذهلة:


تقام مسابقة CASP على مدى عدة أشهر.

يتم تقديم البروتينات المستهدفة أو أجزاء من البروتينات المسماة “المجالات” – حوالي 100 في المجموع – بشكل منتظم ولدى الفرق عدة أسابيع لتقديم تنبؤات بنيتها. ثم يقوم فريق مستقل من الباحثين بتقييم التنبؤات باستخدام معلمات تقيس التشابه بين الهيكل المتوقع والبنية المحددة تجريبياً. هذا التصنيف مجهول: لا يعرف المراجعون الفريق الذي يقف وراء كل توقع.

بالنسبة لنسخة 2020 من مسابقة CASP ، تم تحديد توقعات AlphaFold على أنها “مجموعة 427”. يقول أندريه لوباس إن الدقة المذهلة للعديد من تلك النتائج جعلتها تبرز.

“اعتقدت أنه كان AlphaFold . معظم الناس خمنوا ذلك. “

كانت بعض هذه التوقعات أفضل من غيرها ، لكن ما يقرب من ثلثيها كانت ذات جودة مماثلة للهياكل التي تم استنتاجها تجريبيًا.

يقول جون مولت إنه في بعض الحالات ، لم يكن من الواضح ما إذا كان التناقض بين تنبؤات AlphaFold والنتيجة التجريبية ناتجًا عن خطأ في التنبؤ أو نتيجة للقياس التجريبي.

تنبؤات ألفا فولد:

تتطابق تنبؤات AlphaFold بشكل ضعيف مع الهياكل التي تحددها تقنية تسمى “التحليل الطيفي بالرنين المغناطيسي النووي” [على غرار التصوير بالرنين المغناطيسي ، أو MRI ، ndt] ،

ولكن قد يكون هذا بسبب كيفية تحويل البيانات الأولية [في هذه التقنية] إلى عارضة أزياء ،

يشرح جون مولت. تحاول الشبكة العصبية أيضًا تصميم هياكل البروتينات الفردية داخل مجمعات البروتين ، حيث تؤدي التفاعلات مع البروتينات الأخرى إلى تشويه بنيتها.

بشكل عام ، توقعت فرق مختلفة هياكل البروتين بشكل أكثر دقة هذا العام مقارنة بالإصدارات السابقة ، ولكن يمكن أن يُعزى الكثير من التقدم إلى AlphaFold ، كما يقول جون مولت.

بالنسبة للبروتينات المستهدفة التي تعتبر صعبة إلى حد ما ، فإن أفضل أداء للفرق الأخرى هو عادةً 75 درجة على مقياس 100 ، مقارنة بحوالي 90 بالنسبة لـ AlphaFold .

أشار حوالي نصف الفرق إلى التعلم العميق في عرض طريقتهم ، كما يشير جون مولت ،

مما يشير إلى أن الذكاء الاصطناعي له تأثير كبير على هذا المجال من البحث. كان معظم المشاركين من فرق جامعية ، لكن Microsoft والشركة الصينية Tencent شاركت أيضًا في CASP14.

يتوق محمد القريشي ، عالم المعلومات الحيوية في جامعة كولومبيا في نيويورك ومشارك في CASP14 ،

إلى دراسة كيفية أداء AlphaFold في المسابقة الأخيرة بالتفصيل ، ومعرفة المزيد حول كيفية عمل البرنامج عندما يقدم فريق DeepMind منهجه في المستقبل.

أيام. يقول إنه من الممكن – ولكنه غير مرجح – أن تكون مجموعة البروتينات المستهدفة الأسهل من المعتاد قد ساهمت في هذا الأداء. لكن حدس محمد القريشي هو أن AlphaFold سيغير قواعد اللعبة.

“يمكن للمرء أن يعتقد أن هذه النتيجة ستكون معطلة لمجال التنبؤ ببنية البروتينات. أراهن أن العديد من الفرق ستترك هذا المجال البحثي لأن المشكلة المركزية قد تم حلها ، كما يعتقد. إنه اختراق من الدرجة الأولى. “

الذكاء الإصطناعي: هياكل أسرع


ساعد تنبؤ ألفا فولد في تحديد بنية البروتين البكتيري الذي حاول فريق Andrei Lupas حله لسنوات.

كان هذا قد حصل سابقًا على بيانات حيود الأشعة السينية الخام ، لكن ترجمة هذه الأشكال إلى بنية تتطلب بعض المعلومات حول شكل البروتين. وقد فشلت طرق تحديد هذه القيود ،

بالإضافة إلى أدوات التنبؤ الأخرى. يعترف Andrei Lupas قائلاً: “لقد أعطانا نموذج المجموعة 427 هيكلنا في نصف ساعة ، بينما أمضينا عقدًا في تجربة كل شيء”.

يقول ديميس هاسابيس ، المؤسس المشارك والرئيس التنفيذي لشركة DeepMind ، إن الشركة تخطط لجعل AlphaFold قابلاً للاستخدام من قبل باحثين آخرين ( تم بالفعل إصدار تفاصيل عن الإصدار الأول من AlphaFold حتى تتمكن الفرق الأخرى من تكرار نهجها). يمكن أن يستغرق حساب بنية البروتين أيامًا ألفا أضعاف (يتضمن الحساب تقديرات حول موثوقية التنبؤات لمناطق مختلفة من البروتين).

“لقد بدأنا للتو في فهم ما يريده علماء الأحياء” ، يضيف ديميس هاسابيس ، الذي يعتبر اكتشاف الأدوية وتصميم البروتين من بين التطبيقات المحتملة له.

في أوائل عام 2020 ، أصدرت الشركة تنبؤات ببنية حفنة من البروتينات من SARS-CoV-2 – فيروس Covid-19 – التي لم يتم تحديدها تجريبيًا بعد.

تبين أن تنبؤات DeepMind لبروتين يسمى ORF3a تشبه إلى حد بعيد تلك التي تم تحديدها لاحقًا بواسطة الفحص المجهري الإلكتروني ، كما يقول ستيفن بروهاون ، عالم الأحياء العصبية الجزيئية في جامعة كاليفورنيا في بيركلي ، الذي نشر فريقه الهيكل في يونيو. ويضيف: “إن ما تمكنوا من القيام به مثير للإعجاب للغاية”.

الذكاء الإصطناعي: تأثير ملموس

من غير المحتمل أن يستبدل ألفا فولد الفرق ، مثل ستيفن بروهاون ، باستخدام طرق تجريبية لتحديد بنية البروتينات. لكن هذا قد يعني أن الجودة الرديئة وبالتالي سهولة الحصول على البيانات التجريبية ستكون كافية للتنبؤ بالبنية الصحيحة.

من المقرر أن تزدهر بعض المجالات ، مثل تحليل البروتينات من منظور تطوري ، حيث يمكن الآن ترجمة تسونامي للبيانات الجينومية المتاحة بشكل موثوق إلى هياكل بروتينية. يوضح أندريه لوباس: “سيسمح هذا لجيل جديد من علماء الأحياء الجزيئية بطرح أسئلة أكثر تعقيدًا”. سيكون هناك المزيد من التفكير والتلاعب أقل. “

تقول جانيت ثورنتون ، عالمة الأحياء البنيوية في المختبر الأوروبي للبيولوجيا الجزيئية – المعهد الأوروبي للمعلوماتية الحيوية (EMBL-EBI) في هينكستون ، في الولايات المتحدة: “هذه مشكلة بدأت أعتقد أنها لن تُحل في حياتي”. المملكة ، والمقيم السابق لمسابقة CASP.

وتأمل أن يساعد هذا النهج في تسليط الضوء على وظيفة آلاف البروتينات ذات البنية غير المعروفة في الجينوم البشري وفهم الاختلافات الجينية التي تسبب أمراضًا معينة.

يمثل أداء ألفا فولد أيضًا نقطة تحول لـ DeepMind. تشتهر الشركة ببرنامج ألفا زيرو الذي يستخدم التعلم العميق لإتقان الألعاب مثل الشطرنج والذهاب ،

ولكن هدفها طويل المدى هو تطوير برامج قادرة على تحقيق ذكاء يشبه الإنسان. ومع ذلك ، يعتقد ديميس هاسابيس أن مواجهة التحديات العلمية الكبيرة ، مثل التنبؤ ببنية البروتين ، هو أحد أهم تطبيقات برنامجه للذكاء الاصطناعي. “أعتقد أن هذا هو أهم شيء حققناه ، من حيث التأثير الملموس. “

السابق
معدلات المزاج
التالي
تشارلز جورج ليروي عالم السلوك غير المعروف