به گزارش چاینا دیلی و بر طبق گفته محققان دانشگاه جیائو تونگ شانگهای، این دستاورد به توسعه مدل‌هایی انجامیده است که امکان انتخاب و بهینه‌سازی هدفمند پروتئین‌ها با ویژگی‌های عملکردی خاص را فراهم می‌کنند.
این رویکرد نوین، زمان و هزینه فرآیند سنتی اصلاح پروتئین را که پیش‌تر نیازمند هزاران آزمون و خطا بود، به‌طور چشمگیری کاهش می‌دهد و آن را از چندین سال به تنها شش ماه می‌رساند.
پروتئین‌ها نقشی حیاتی در صنایع مختلف، از داروسازی تا تولید سبز دارند. اما بسیاری از پروتئین‌های طبیعی برای تحمل شرایط سخت مانند دمای بالا یا محیط‌های اسیدی و قلیایی نیاز به اصلاح دارند. اکنون با کمک مدل‌های هوش مصنوعی، می‌توان به‌صورت دقیق ویژگی‌هایی مانند پایداری در برابر حرارت یا مقاومت در برابر هضم را تقویت کرد. این نوآوری نه تنها بهره‌وری صنعتی را افزایش می‌دهد، بلکه راه را برای پیشرفتهای جدید در بیوتکنولوژی و پزشکی نیز هموار می‌سازد.
در قلب این پژوهش، پایگاه داده پروتئینی پیشرفتهای قرار دارد که بیش از ۹ میلیارد توالی پروتئینی از انواع ارگانیسم‌ها، از جمله اکستریموفیل‌ها، را شامل می‌شود. این مجموعه عظیم شامل میلیاردها توالی پروتئین‌های میکروبی زمینی، دریایی، آنتی‌بادی‌ها و ویروس‌ها است. از این میان، ۵۰۰ میلیون توالی با برچسب‌های عملکردی مشخص شده‌اند که اطلاعات دقیقی درباره شرایط عملکرد بهینه آن‌ها ارائه می‌دهند.
با استفاده از پایگاه داده پروتئینی پیشرفته، مدل‌های هوش مصنوعی سری توسعه یافته‌اند که دو عملکرد کلیدی دارند: «تکامل هدایت‌شده پروتئین» و «غربالگری هدفمند». این مدل‌ها می‌توانند پروتئین‌هایی با عملکرد ضعیف را برای کاربردهای خاص بهینه کنند و همچنین پروتئین‌هایی با ویژگی‌های منحصر‌به‌فرد مانند پایداری بالا در برابر حرارت یا محیط‌های اسیدی را شناسایی نمایند.
همچنین تیم تحقیقاتی موفق به ساخت اولین سامانه یکپارچه در جهان شده‌اند که قادر است به‌طور خودکار بیان، خالص‌سازی و ارزیابی عملکردی پروتئین‌ها را با سرعت بالا انجام دهد. این سیستم قادر است در مدت ۲۴ ساعت، بیش از ۱۰۰ عملیات را به انجام برساند که ۱۰ برابر سریع‌تر از روش‌های دستی است و در عین حال هزینه‌ها را کاهش و بهره‌وری را افزایش می‌دهد.
در طی دو سال گذشته، دانشمندان موفق به طراحی پروتئین‌هایی شده‌اند که اکنون در مسیر تجاری‌سازی قرار دارند. یکی از نمونه‌های برجسته، بهینه‌سازی آنزیم آلکالین فسفاتاز برای تشخیص زودهنگام بیماری آلزایمر است؛ آنزیمی که اکنون با فعالیتی سه برابر نسبت به بهترین نمونه‌های جهانی عمل می‌کند و امکان شناسایی نشانگرهای زیستی در غلظت‌های بسیار پایین را فراهم می‌سازد. نسخه صنعتی این آنزیم وارد مرحله تولید انبوه شده است.
محققان تأکید دارند که این پیشرفت می‌تواند افق‌های تازه‌ای را در پروژه‌های حساس تشخیصی، طراحی دارو و تولید صنعتی بگشاید و گامی مهم در جهت آینده‌ای کارآمدتر و دقیق‌تر در مهندسی زیستی محسوب می‌شود.
استفاده از هوش مصنوعی در طراحی و اصلاح پروتئین‌ها دارای مزایا، فواید و کاربردهای گسترده‌ای است که می‌تواند تأثیر عمیقی بر صنایع مختلف و پیشرفتهای علمی داشته باشد. این دستاورد علمی در حوزه‌های زیست‌فناوری، پزشکی و صنعت تحول‌آفرین و کاربردی است. مهم‌ترین مزایای آن شامل کاهش چشمگیر زمان و هزینه اصلاح پروتئین‌هاست، به‌گونه‌ای که فرآیند تحقیق و توسعه سنتی که سال‌ها به طول می‌انجامید، اکنون به شش ماه کاهش یافته است.
همچنین، دقت بالا در انتخاب و اصلاح هدفمند پروتئین‌ها با استفاده از مدل‌های هوش مصنوعی، امکان بهبود ویژگی‌هایی مانند مقاومت حرارتی، پایداری شیمیایی و قابلیت هضم را فراهم می‌کند. این فناوری کاربردهای وسیعی در صنایع داروسازی، تولید مواد شوینده، کشاورزی، بیوتکنولوژی و تولید سبز دارد؛ به عنوان مثال، در صنعت شوینده پروتئین‌هایی طراحی می‌شوند که در دماهای مختلف عملکرد بهتری داشته باشند.
علاوه بر این، پیشرفتهای حاصل در تشخیص پزشکی از جمله طراحی آنزیمی برای تشخیص زودهنگام بیماری آلزایمر با عملکردی سه برابر بهتر نمونه‌های پیشین، از دیگر کاربردهای مهم این فناوری است.
در نهایت، سرعت بالای تجاری‌سازی پروتئین‌های طراحی‌شده نویددهنده توسعه سریع‌تر محصولات جدید زیستی در بازار است. در مجموع، این پیشرفت نه تنها راه را برای طراحی سریع‌تر و دقیق‌تر پروتئین‌ها هموار می‌کند، بلکه به عنوان تحولی بنیادین در مهندسی زیستی، طراحی دارو و توسعه تشخیص‌های پزشکی حساس شناخته می‌شود و گامی مهم به سوی آینده‌ای کارآمدتر، مقرون‌به‌صرفه‌تر و پیشرفته‌تر در علم زیست‌فناوری محسوب می‌گردد.
منبع: chinadaily
