زیست‌شناسی سنتتیک و طراحی پروتئین De Novo با هوش مصنوعی

مقدمه و بررسی اولیه

پایان اتکا به تکامل تصادفی؛ کدنویسی مستقیم ساختارهای زیستی

حیات روی سیاره زمین در طول نزدیک به چهار میلیارد سال، کاتالوگی شگفت‌انگیز اما محدود از ساختارهای پروتئینی از طریق جهش‌های تصادفی و انتخاب طبیعی پدید آورده است. تا همین اواخر، دانشمندان حوزه پزشکی و بیوتکنولوژی ناچار بودند برای ساخت داروها یا آنزیم‌های صنعتی، ساختارهای طبیعی موجود در باکتری‌ها، گیاهان یا جانوران را قرض گرفته و با دستکاری‌های جزئی اصلاح نمایند. امروزه این الگوی تاریخی با طلوع «طراحی پروتئین از صفر» (De Novo Design) برای همیشه دگرگون شده است.

مدل‌های زبان زیستی نوین مانند ESM3 توسعه‌یافته توسط شرکت EvolutionaryScale و ادغام آن با موتور پیش‌بینی ساختار AlphaFold 3، زیست‌شناسی را از یک علم رصدی به یک رشته مهندسی کاملاً قابل‌کدنویسی تبدیل کرده‌اند. امروز دانشمندان به جای کشف پروتئین‌ها، ویژگی‌های عملکردی مورد نظر خود (مانند دمای کاتالیز، هندسه پاکت پیوندی و میل ترکیبی به لیگاند هدف) را در قالب پرامپت‌های ساختاری تعریف می‌کنند و هوش مصنوعی زنجیره اسیدهای آمینه بهینه را با دقت اتمی سنتز می‌نماید.

این رخداد با پیشرفت‌های نانوروبات‌های دی‌ان‌ای اوریگامی در درمان سرطان و شبیه‌سازی دارویی در اندام‌واره‌های روی تراشه (Organ-on-a-Chip) پیوند خورده و زمان طراحی داروهای انقلابی را از ۱۰ سال به چند هفته کاهش داده است.

معماری مدل‌های زبانی زیستی؛ ادغام توالی، ساختار سه‌بعدی و مکانیسم فعال

مدل‌های زبانی بزرگ متنی کلمات را پیش‌بینی می‌کنند، اما مدل‌های زیستی نظیر ESM3 و AlphaFold 3 بر روی توالی‌های میلیارد ساله ژنوم و بانک داده‌های بلورشناسی پرتو ایکس (PDB) آموزش دیده‌اند. نوآوری کلیدی ESM3 امروزه در توانایی تولید همزمان (Multi-modal Generation) سه مؤلفه حیاتی نهفته است: توالی اولیه اسیدهای آمینه، ساختار تاخوردگی سه‌بعدی (3D Backbone Coordinates) و مکان‌های فعال کاتالیزوری (Functional Active Sites).

در یک دستاورد تاریخی امروزه این مدل توانست پروتئین‌های فلورسنت سبزی را از پایه طراحی کند که تنها ۵۸ درصد شباهت توالی با نزدیک‌ترین همتای طبیعی خود در اقیانوس‌ها دارند، اما از نظر شدت تابش نوری و پایداری در برابر حرارت عملکردی به مراتب برتر از پروتئین‌های طبیعی از خود نشان می‌دهند. این رخداد معادل بازنویسی یک فصل کامل از کتاب تکامل طبیعی در کسری از ثانیه است.

آنزیم‌های فوق‌سریع تجزیه‌کننده میکروپلاستیک‌ها در دمای محیط

یکی از ملموس‌ترین و نجات‌بخش‌ترین کاربردهای طراحی پروتئین دی نوو امروزه بحران آلودگی‌های زیست‌محیطی پلیمرهای مصنوعی است. پلاستیک‌های نوع PET (پلی‌اتیلن ترفتالات) در حالت طبیعی صدها سال در خاک و اقیانوس‌ها باقی می‌مانند. آنزیم‌های طبیعی باکتریایی قبلی نیازمند دمای ۷۰ درجه سانتی‌گراد و محیط‌های اسیدی بودند که کاربرد صنعتی آن‌ها را محدود می‌کرد.

با استفاده از سیستم‌های هوش مصنوعی زیستی، پژوهشگران موفق به خلق آنزیم‌های سفارشی به نام «پلاستاز سوپرمولکولی» (Super-PETase) شده‌اند که قادرند بطری‌های پلاستیکی و الیاف پلی‌استر را در دمای معمولی اتاق (۲۵ درجه سانتی‌گراد) ظرف کمتر از ۸ ساعت به مونومرهای خالص اولیه تبدیل کنند. این مونومرها بلافاصله قابل استفاده مجدد در صنایع پتروشیمی هستند و چرخه کاملاً بسته و بازیافت بدون افت کیفیت (Infinite Recycling) را به واقعیت رسانده‌اند.

نانوموتورهای پروتئینی و آنتی‌بادی‌های هوشمند انکولوژی

در عرصه پزشکی، طراحی پروتئین De Novo درمان بیماری‌های صعب‌العلاج را وارد فاز جدیدی کرده است. آنتی‌بادی‌های سنتی اغلب به دلیل اتصال ناخواسته به بافت‌های سالم، عوارض جانبی شدیدی نظیر سمیت کبدی ایجاد می‌کردند. امروزه بیوانفورماتیک‌دان‌ها پروتئین‌های با منطق بومی (Logic-Gated Proteins) طراحی کرده‌اند که مانند گیت‌های منطقی AND کار می‌کنند.

این مولکول‌های درمانی تنها زمانی سیتوتوکسین کشنده خود را آزاد می‌کنند که دو مارکر توموری مشخص همزمان در سطح یک سلول سرطانی شناسایی شوند؛ در صورتی که سلول تنها یکی از این پروتئین‌ها را داشته باشد (سلول سالم)، نانودارو غیرفعال باقی می‌ماند. این فناوری دقت شیمی‌درمانی و ایمونوتراپی را تا صد برابر ارتقا داده و آسیب به سلول‌های سالم بدن را به حداقل رسانده است.

ادغام با آزمایشگاه‌های سنتز رباتیک و خودکارسازی بیولوژی

حلقه نهایی این انقلاب علمی، پیوند مستقیم الگوریتم‌های هوش مصنوعی با ربات‌های آزمایشگاهی خودکار (Cloud Bio-Labs) است؛ موضوعی که در مقاله شتاب‌دهی سنتز مواد نوین با هوش مصنوعی مولد نیز به آن اشاره شد. هنگامی که یک پروتئین توسط ESM3 یا AlphaFold 3 طراحی می‌شود، توالی DNA معادل آن به صورت خودکار به چاپگرهای سنتز ژن فرستاده شده و ربات‌های پیپتینگ، مولکول را درون میکروارگانیسم‌های مخمر یا محیط‌های بدون سلول (Cell-Free) بیان می‌کنند.

سپس حسگرهای طیف‌سنجی جرمی بلادرنگ عملکرد بیولوژیکی را ارزیابی کرده و داده‌های تجربی را به مدل هوش مصنوعی برمی‌گردانند تا در دور بعدی طراحی بهینه‌تر شود. این حلقه بازخورد بسته، مرزهای ناممکن را در هم شکسته و بشریت را به سمت عصری هدایت می‌کند که در آن راه‌حل بحران‌های دارویی، غذایی و اقلیمی مستقیماً از طریق کدنویسی الفبای حیات خلق خواهد شد.