يُعد أحدث نموذج AlphaFold من DeepMind أكثر فائدة لاكتشاف الأدوية

منذ ما يقرب من خمس سنوات، قام DeepMind، وهو أحد مختبرات Google الأكثر إنتاجًا لأبحاث الذكاء الاصطناعي، بإطلاق AlphaFold، وهو نظام ذكاء اصطناعي يمكنه التنبؤ بدقة ببنية العديد من البروتينات داخل جسم الإنسان. منذ ذلك الحين، قامت DeepMind بتحسين النظام، حيث أصدرت إصدارًا محدثًا وأكثر قدرة من AlphaFold – AlphaFold 2 – في عام 2020.

ويستمر عمل المختبر.

كشفت DeepMind اليوم أن الإصدار الأحدث من AlphaFold، خليفة AlphaFold 2، يمكنه توليد تنبؤات لجميع الجزيئات تقريبًا في بنك بيانات البروتين، وهو أكبر قاعدة بيانات مفتوحة الوصول للجزيئات البيولوجية في العالم.

وبالفعل، تقوم Isomorphic Labs، وهي فرع من شركة DeepMind تركز على اكتشاف الأدوية، بتطبيق نموذج AlphaFold الجديد – الذي شاركت في تصميمه – على تصميم الأدوية العلاجية، وفقًا لما ورد في مدونة DeepMind، مما يساعد على توصيف أنواع مختلفة من الجزيئات. الهياكل الهامة لعلاج المرض.

قدرات جديدة

تمتد قدرات AlphaFold الجديدة إلى ما هو أبعد من التنبؤ بالبروتين.

يدعي DeepMind أن النموذج يمكنه أيضًا التنبؤ بدقة بهياكل الروابط – وهي الجزيئات التي ترتبط ببروتينات “المستقبلات” وتسبب تغييرات في كيفية تواصل الخلايا – بالإضافة إلى الأحماض النووية (الجزيئات التي تحتوي على معلومات وراثية أساسية) وتعديلات ما بعد الترجمة (الكيميائية). التغيرات التي تحدث بعد تكوين البروتين).

اعتمادات الصورة: العقل العميق

يشير موقع DeepMind إلى أن التنبؤ بتركيبات بروتين ليجند يمكن أن يكون أداة مفيدة في اكتشاف الأدوية، لأنه يمكن أن يساعد العلماء على تحديد وتصميم جزيئات جديدة يمكن أن تصبح أدوية.

حاليًا، يستخدم الباحثون الصيدلانيون عمليات المحاكاة الحاسوبية المعروفة باسم “طرق الالتحام” لتحديد كيفية تفاعل البروتينات والروابط. تتطلب طرق الإرساء تحديد بنية البروتين المرجعية والموضع المقترح على تلك البنية لكي ترتبط بها الربيطة.

ومع ذلك، مع الإصدار الأحدث من AlphaFold، ليست هناك حاجة لاستخدام بنية بروتينية مرجعية أو موضع مقترح. يمكن للنموذج أن يتنبأ بالبروتينات التي لم يتم “توصيفها هيكليًا” من قبل، بينما يحاكي في الوقت نفسه كيفية تفاعل البروتينات والأحماض النووية مع الجزيئات الأخرى – وهو مستوى من النمذجة تقول شركة DeepMind إنه غير ممكن باستخدام طرق الالتحام الحالية.

“يُظهر التحليل المبكر أيضًا أن نموذجنا يتفوق بشكل كبير [the previous generation of] كتب AlphaFold في بعض مشكلات التنبؤ ببنية البروتين ذات الصلة باكتشاف الأدوية، مثل ربط الأجسام المضادة. “تُظهر القفزة الهائلة التي حققها نموذجنا في الأداء قدرة الذكاء الاصطناعي على تعزيز الفهم العلمي للآلات الجزيئية التي يتكون منها جسم الإنسان بشكل كبير.”

ومع ذلك، فإن جهاز AlphaFold الأحدث ليس مثاليًا.

في ورقة عمل تشرح بالتفصيل نقاط القوة والقيود في النظام، كشف الباحثون في DeepMind وIsomorphic Labs أن النظام لا يرقى إلى أفضل طريقة في فئتها للتنبؤ بهياكل جزيئات الحمض النووي الريبي (RNA) – الجزيئات الموجودة في الجسم التي تحمل تعليمات صنع البروتينات. .

مما لا شك فيه أن كلاً من DeepMind وIsomorphic Labs يعملان على معالجة هذه المشكلة.