راهنمای طراحی کامپیوتری پروتئین‌های سنتتیک با هوش مصنوعی
پایان تکامل کورکورانه زیستی؛ چگونه مدل‌های مولد دیفیوژن امروزه به دانشمندان اجازه دادند آنزیم‌ها و داروهایی را طراحی کنند که طبیعت هرگز در طول میلیاردها سال نیافریده بود.
- گزارش جامع و تخصصی از نقطه عطف زیست‌شناسی محاسباتی امروزه تحلیل گذار از کشف ساختار پروتئین‌های طبیعی به سوی طراحی و سنتز کامپیوتری پروتئین‌های کاملاً جدید از صفر (De Novo Protein Design) با استفاده از مدل‌های انتشار ساختاری RFdiffusion و AlphaFold 3، بررسی تعاملات چندمولکولی با دی‌ان‌ای و لیگاندهای دارویی، ادغام خطوط تولید پروتئین با آزمایشگاه‌های رباتیک خودکار، ارزیابی آزمایش‌های کلینیکی آنزیم‌های بازطراحی‌شده تجزیه‌کننده میکروپلاستیک‌های PET در اقیانوس‌ها و آنتی‌بادی‌های هدایت‌شونده برای نابودی تومورهای بدخیم.
- بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
- پیش‌بینی اثرات کوتاه‌مدت و بلندمدت بر اکوسیستم فناوری.
فراتر از مهندسی معکوس طبیعت؛ چرا کشف تصادفی دارو به بن‌بست رسیده بود؟
برای بیش از یک قرن، علم داروسازی و بیوتکنولوژی وابسته به طبیعت بود. دانشمندان به جنگل‌ها، اعماق اقیانوس‌ها یا باکتری‌های خاک متوسل می‌شدند تا مولکول‌ها یا پپتیدهایی با خواص درمانی بیابند و سپس با سال‌ها دستکاری ژنتیکی و آزمون و خطا، کارایی آن‌ها را اندکی بهبود دهند. این فرآیند فوق‌العاده کند، پرهزینه و متکی بر بخت و اقبال بود؛ به طوری که توسعه یک داروی جدید به طور میانگین بیش از ۱۲ سال زمان و ۲.۶ میلیارد دلار سرمایه می‌طلبید.
طبیعت در طول چهار میلیارد سال تکامل، پروتئین‌ها را صرفاً برای بقای موجودات زنده خلق کرده است، نه برای تجزیه ضایعات پلاستیکی صنعتی در دمای ۸۰ درجه یا هدف‌گیری دقیق سلول‌های سرطانی بدون آسیب به بافت سالم. تا پیش از دوران معاصر توانایی ما به پیش‌بینی ساختار پروتئین‌های موجود با AlphaFold 2 محدود بود، اما پرسش بنیادین این بود: چگونه پروتئینی بسازیم که در هیچ کجای طبیعت وجود نداشته است؟
پاسخ به این سوال، با تولد طراحی کامپیوتری پروتئین از صفر (De Novo Protein Design) داده شد؛ جهشی انقلابی که زیست‌شناسی را از یک علم توصیفی و اکتشافی، به یک علم مهندسی نرم‌افزاری با دقت اتمی تبدیل کرده است.
کالبدشکافی مدل‌های دیفیوژن ساختاری؛ چگونه RFdiffusion از نویز تصادفی اسکلت پروتئینی سه‌بعدی می‌آفریند؟
کلید این انقلاب در انتقال الگوریتم‌های دیفیوژن (Diffusion Models) از حوزه تولید تصویر به هندسه اتمی پروتئین‌ها نهفته است. در راس این فناوری، مدل RFdiffusion که توسط تیم پروفسور دیوید بیکر در دانشگاه واشنگتن توسعه یافت و امروزه به تکامل صنعتی رسید، قرار دارد. برخلاف مدل‌های تولید تصویر که پیکسل‌های دوبعدی را اصلاح می‌کنند، RFdiffusion روی مختصات اتم‌های کربن آلفا و زوایای پیچش فضایی (SO(3) manifolds) عمل می‌کند.
فرآیند با یک ابر از نویز تصادفی نقاط در فضا آغاز می‌شود. دانشمندان شرایط مرزی را تعیین می‌کنند؛ مثلاً می‌گویند «ما نیازمند پروتئینی با پاکت اتصال (Binding Pocket) خاص هستیم که بتواند به شاخک پروتئینی ویروس متصل شود». مدل دیفیوژن با صدها گام حذف نویز محاسباتی، اتم‌ها را در فضا به حرکت درمی‌آورد تا یک اسکلت پروتئینی سه‌بعدی پایدار با کمترین انرژی آزاد گیبس خلق گردد.
پس از تثبیت اسکلت، الگوریتم‌های طراحی توالی نظیر ProteinMPNN وارد مدار می‌شوند و از میان ۲۰ اسید آمینه طبیعی، توالی زنجیره ژنتیکی متناظر با آن اسکلت را با دقت ریاضی پیشنهاد می‌دهند؛ رویکردی که درصد موفقیت سنتز آزمایشگاهی را از زیر ۲ درصد به بیش از ۵۵ درصد افزایش داده است.
تعاملات زیستی همزمان در AlphaFold 3؛ ادغام ساختار پروتئین با زنجیره‌های اسید نوکلئیک و یون‌ها
دومین ستون این دگرگونی، معماری شگفت‌انگیز AlphaFold 3 از دیپ‌مایند است. در حالی که نسخه‌های قبلی تنها زنجیره‌های پلی‌پپتیدی ساده را مدل‌سازی می‌کردند، آلفافولد ۳ برای نخستین بار یک سامانه چندوجهی بیومولکولی است که می‌تواند تعامل پروتئین‌ها با مولکول‌های DNA، RNA، لیگاندهای دارویی کوچک و حتی یون‌های فلزی کاتالیزور را با دقت کریستالوگرافی اشعه ایکس شبیه‌سازی کند.
این توانمندی به پژوهشگران اجازه می‌دهد تا در همان فاز طراحی اولیه با ابزارهای سیستم‌های حافظه مداوم و GraphRAG در هوش مصنوعی ، پایگاه‌های دانش زیستی را پیمایش کرده و پایداری کمپلکس دارویی را پیش‌بینی کنند. مدل نه تنها شکل پروتئین را رسم می‌کند، بلکه تغییرات کانفورماسیونی آن را در زمان برخورد با مولکول هدف به صورت انیمیشن‌های اتمی محاسبه می‌نماید.
علاوه بر این، با ادغام شبیه‌سازی‌های رایانش کوانتومی اتم خنثی و کیوبیت‌های منطقی، پیش‌بینی پیوندهای هیدروژنی پیچیده و اثرات کوانتومی توزیع بار الکتریکی در کاتالیزورهای سنتتیک در عرض چند دقیقه ممکن شده است.
از بیت تا مولکول؛ خودکارسازی سنتز آزمایشگاهی با پلتفرم‌های رباتیک و تست‌های عملکردی
فاصله میان طراحی یک پروتئین روی مانیتور تا آزمایش واقعی آن در لوله آزمایش امروزه به طرز چشم‌گیری کوتاه شده است. به لطف پلتفرم‌های آزمایشگاه ابری زیستی (Cloud Bio-Labs)، دانشمندان پس از تایید فایل PDB ساختار پروتئین در کامپیوتر، کد ژنتیکی آن را از طریق API به کارخانه‌های سنتز دی‌ان‌ای ارسال می‌کنند.
در این تاسیسات، پرینترهای بیولوژیکی ژن طراحی‌شده را سنتز کرده، آن را درون پلاسمید باکتری اشریشیا کلی (E. coli) یا مخمر تزریق می‌کنند و انکوباتورهای رباتیک پروتئین را در مقیاس میلی‌گرمی بیان می‌کنند. سپس بازوهای رباتیک خودکار با استفاده از روش تشدید پلاسمون سطحی (SPR)، میل ترکیبی اتصال آنزیم به مولکول هدف را در عرض ۴۸ ساعت ارزیابی می‌نمایند.
این چرخه رفت‌وبرگشت خودکار میان هوش مصنوعی و سنتز رباتیک، زمان تست صدها کاندیدای دارویی را از چندین ماه به کمتر از یک هفته رسانده و سرعت نوآوری در بیوتکنولوژی را چندین برابر کرده است.
دستاوردهای میدانی؛ آنزیم‌های تجزیه میکروپلاستیک در آب‌ها و ساخت پپتیدهای ضدسرطان
ثمرات عملی طراحی دی‌نووو در اواخر جهان را شگفت‌زده کرده است. یکی از درخشان‌ترین دستاوردها، آنزیم سنتتیک PETase-Ultra است؛ پروتئینی بازطراحی‌شده که قادر است بطری‌ها و ضایعات پلاستیکی پلی‌اتیلن ترفتالات (PET) را در دمای ۶۵ درجه سانتی‌گراد در کمتر از ۱۸ ساعت به مونومرهای اصلی غیرسمی تجزیه کند. تاسیسات بازیافت زیستی با استفاده از این آنزیم، سالانه میلیون‌ها تن زباله پلاستیکی را بازیافت می‌نمایند.
در حوزه انکولوژی، نسل نوین پروتئین‌های چندویژگی (Multispecific Engagers) وارد فاز کارآزمایی‌های بالینی انسانی شده‌اند. این مولکول‌ها همزمان به گیرنده‌های اختصاصی سلول‌های سرطانی و گیرنده‌های لنفوسیت T سیستم ایمنی متصل شده و مانند یک دستبند مولکولی، سلول ایمنی را مستقیماً به بافت تومور الصاق می‌کنند؛ درمانی هدفمند که عوارض سمی شیمی‌درمانی را عملاً به صفر رسانده است.
طراحی پروتئین‌های De Novo امروزه ثابت کرد که انسان دیگر اسیر محدودیت‌های تاریخ تکامل نیست؛ ما زبان آفرینش زیست‌شناسی را آموخته‌ایم و از آن برای درمان بیماری‌های لاعلاج و پاکسازی سیاره زمین بهره می‌گیریم.
بیشتر از علم و فضا
