توقع هياكل البروتين

تقدير هياكل البروتين
تقدير تراكيب البروتين - K. Tunyasuvunakool

أصبحت كاثرين Tunyasuvunakool مهتمة ببرمجة الكمبيوتر أثناء البحث عن الديدان المستديرة. وهو الآن يستخدم هذا الاهتمام للمساعدة في التنبؤ ببنية البروتين.

بعد سنوات قليلة من ولادة كاثرين تونياسوفوناكول ، كانت والدتها ، التي بدأت دراستها الجامعية ، تجري بحثًا علميًا في المنزل الذي نشأ فيه تونياسوفوناكول. كانت والدته تقوم بتوقيت أرجوحة البندول المتدلي من سقف منزلهم في أحد الأيام لمشروع علمي. في يوم آخر ، كانت والدته تفحص الأنماط في العينات الأحفورية الموجودة على مائدة العشاء للحصول على تقرير. طور Tunyasuvunakool التصور بأن العلم ممتع وأن العمل في مجال البحث هو هدف واقعي بسبب تعرضه المبكر للعلم. يوضح: "أردت دائمًا أن أذهب إلى الجامعة وأن أصبح عالِمًا.

حقق Tunyasuvunakool هدفه من خلال التخصص في الرياضيات في التعليم الجامعي وعلم الأحياء الحسابي في التعليم العالي. أثناء عمله على الدكتوراه ، ساهم في تطوير نموذج يصور جوانب مختلفة من نمو Caenorhabditis elegans ، وهو موضوع دراسي شائع لعلماء الأحياء والفيزيائيين على حد سواء. اكتشف أيضًا شغفه بالبرمجة ، مما دفعه بطبيعة الحال إلى ممارسة مهنة في هندسة البرمجيات. Tunyasuvunakool حاليًا عضو في فريق أداة التنبؤ ببنية البروتين AlphaFold في DeepMind. أجرى مقابلة مع مجلة الفيزياء لمعرفة المزيد عن البرنامج الذي فاز اثنين من مبتكريه بجائزة Breakthrough ولماذا كان متحمسًا جدًا للاكتشافات المحتملة التي يمكن أن يقودها هذا البرنامج.

ما هو AlphaFold وما هي التطبيقات الموجودة به؟

يمكن لنموذج التعلم الآلي المسمى AlphaFold أن يستنتج بنية البروتين من تسلسل الأحماض الأمينية. يمكن الآن تحديد سلسلة الأحماض الأمينية 1D لبروتين معين بسرعة من خلال دراسات مختلفة ، مما يجعل الحصول على تسلسل البروتين أمرًا بسيطًا نسبيًا. تعتمد قدرة البروتين على العمل على كيفية طيه في شكل ثلاثي الأبعاد لا يمكن تفسيره من خلال تسلسله. يمكن إنتاج هياكل مطوية تجريبياً ، لكن هذه العملية تستغرق وقتًا. يعمل AlphaFold على تسريع المعرفة حول الأنظمة المعقدة من خلال توقع الهياكل في جزء صغير من الوقت.

ما الوظيفة التي تقوم بها في فريق AlphaFold؟

عندما انضممت إلى الفريق لأول مرة ، عملت كمهندس برمجيات وأنشأت خطوط أنابيب بيانات أخذت بيانات بنية البروتين التجريبية الموجودة بالفعل وحولتها إلى ميزات يمكننا استخدامها لتدريب النموذج. عند القيام بذلك ، بدأت أتساءل عن مدى فائدة التنبؤات التي قدمتها AlphaFold. بدأت في دراسة التقديرات بعناية وعقدت مقارنات مستفيضة مع النتائج الواردة في الأدبيات. ثم بدأت في القيام بهذه المهمة بدوام كامل ، وتقييم أداء النموذج واستكشاف مجالات استخدام البرنامج.

إذن ما مدى دقة تنبؤات AlphaFold؟

في عام 2020 ، قارنت الهياكل التي لوحظت في الدراسات التجريبية التي تم الإبلاغ عنها في المجلات ذات التأثير الأعلى ، لا سيما تلك المنشورة في Nature ، مع تلك التي تنبأت بها AlphaFold. عندما حاولنا التنبؤ بهياكل البروتين أحادية السلسلة في ذلك الوقت ، كان أداء AlphaFold جيدًا. ومع ذلك ، فقد لاحظت أن معظم المنشورات تدرس أنظمة أكثر تعقيدًا بسلاسل متعددة بدلاً من سلسلة واحدة.

مستوحاة من هذا ، بدأنا في تطوير AlphaFold Multimer ، وهو نوع مختلف من النموذج المصمم لمجمعات البروتين متعددة السلاسل.

هل كانت هناك حالات تبين فيها أن البنى المشتقة تجريبياً خاطئة ولم تتطابق تنبؤات AlphaFold؟

كانت هناك حالات قليلة لكني لم أتمكن من العثور عليها. استخدم الباحثون AlphaFold لإجراء العديد من الدراسات منذ أن أصبح متاحًا للجمهور. أحد الاكتشافات التي تم التوصل إليها نتيجة لهذه الدراسات هو أن AlphaFold يتنبأ أحيانًا بهياكل أكثر دقة مما يمكن اكتشافه تجريبياً باستخدام طرق الرنين المغناطيسي النووي (NMR). مطلوب قدر كبير من المعالجة لبناء هيكل من البيانات التجريبية في الرنين المغناطيسي النووي. في كثير من الحالات ، تفوق الهيكل الذي تنبأ به AlphaFold على الهيكل المشتق من NMR الأصلي من حيث ملاءمة البيانات.

كم عدد الهياكل التي توقعها AlphaFold حتى الآن؟

أكثر من 200 مليون.

هل سبق لك أن عملت على هندسة بروتين جدير بالملاحظة؟

كان التسلسل الأول الذي عملت عليه مع إصدار AlphaFold المستخدم في CASP14 (التكرار الرابع عشر للتقييم كل سنتين لنماذج التنبؤ ببنية البروتين) لبروتين من فيروس SARS-CoV-14 الذي يسبب COVID-19. لقد كان نهجًا محبطًا لاختبار النظام ، ولكن كان من الواضح أن الأفراد كانوا فضوليين بشأن بنية البروتين.

ما هو مستقبل AlphaFold؟

لا يمكنني الخوض في الكثير من التفاصيل ، لكن يمكنني القول إن فريق AlphaFold ملتزم بحل المشكلات المتعلقة بالبروتين على المدى الطويل. هناك عدد من الأشياء التي لا يزال AlphaFold لا يستطيع نمذجتها ، مثل تأثيرات الروابط أو جزيئات الماء على سلوك بروتين معين ، أو نمذجة مكونات غير بروتينية مرتبطة بالنظام محل الاهتمام. البنية ثلاثية الأبعاد للبروتين هي مجرد واحدة من العديد من الميزات. سيكون من الرائع أن تكون قادرًا على التنبؤ بأشياء أخرى ، بما في ذلك كيفية تأثير الطفرات النقطية على شكل البروتين.

نجاح AlphaFold هو في الواقع جهد جماعي. هناك حوالي 20 شخصًا يعملون على الترقيات. غالبًا ما يعمل الفريق مع الباحثين للتأكد من أننا نركز على الموضوعات التي تهم العلماء. نتيجة لذلك ، هناك دائمًا مشكلات جديدة يجب استكشافها.

المصدر: physics.aps.org/articles/v15/181

Günceleme: 30/11/2022 12:17

إعلانات مماثلة

كن أول من يعلق

Yorumunuz