මෙම වසරේ Lasker මූලික වෛද්‍ය පර්යේෂණ සම්මානය Demis Hassabis සහ John Jumper වෙත පිරිනමන ලද්දේ ඇමයිනෝ අම්ලවල පළමු අනුපිළිවෙල අනුපිළිවෙල මත පදනම්ව ප්‍රෝටීන වල ත්‍රිමාණ ව්‍යුහය පුරෝකථනය කරන AlphaFold කෘතිම බුද්ධි පද්ධතිය නිර්මාණය කිරීම සඳහා ඔවුන්ගේ දායකත්වය වෙනුවෙන් ය.
ඔවුන්ගේ ප්‍රතිඵල මගින් විද්‍යාත්මක ප්‍රජාව දිගු කලක් තිස්සේ කනස්සල්ලට පත් කර ඇති ගැටලුවක් විසඳන අතර ජෛව වෛද්‍ය ක්ෂේත්‍රය පුරා පර්යේෂණ වේගවත් කිරීමට දොර විවර වේ. ප්‍රෝටීන රෝග වර්ධනයේ දී වැදගත් කාර්යභාරයක් ඉටු කරයි: ඇල්සයිමර් රෝගයේදී, ඒවා එකට නැවී එකට එකතු වේ; පිළිකාවේදී, ඒවායේ නියාමන ක්‍රියාකාරිත්වය නැති වී යයි; සහජ පරිවෘත්තීය ආබාධවලදී, ඒවා අක්‍රිය වේ; සිස්ටික් ෆයිබ්‍රෝසිස් වලදී, ඒවා සෛලයේ වැරදි අවකාශයට යයි. මේවා රෝග ඇති කරන බොහෝ යාන්ත්‍රණවලින් කිහිපයක් පමණි. සවිස්තරාත්මක ප්‍රෝටීන් ව්‍යුහ ආකෘතිවලට පරමාණුක වින්‍යාසයන් සැපයිය හැකිය, ඉහළ සම්බන්ධතා අණු නිර්මාණය කිරීම හෝ තෝරා ගැනීම මෙහෙයවිය හැකිය, සහ ඖෂධ සොයා ගැනීම වේගවත් කළ හැකිය.
ප්‍රෝටීන ව්‍යුහයන් සාමාන්‍යයෙන් තීරණය කරනු ලබන්නේ එක්ස් කිරණ ස්ඵටික විද්‍යාව, න්‍යෂ්ටික චුම්භක අනුනාදය සහ ක්‍රියෝ-ඉලෙක්ට්‍රෝන අන්වීක්ෂය මගිනි. මෙම ක්‍රම මිල අධික හා කාලය ගතවන ඒවා වේ. මෙහි ප්‍රතිඵලයක් ලෙස ව්‍යුහාත්මක දත්ත 200,000 ක් පමණ සහිත පවතින ත්‍රිමාණ ප්‍රෝටීන ව්‍යුහ දත්ත සමුදායන් ඇති වන අතර, DNA අනුක්‍රමික තාක්ෂණය ප්‍රෝටීන් අනුක්‍රම මිලියන 8 කට වඩා නිපදවා ඇත. 1960 ගණන්වලදී, ඇන්ෆින්සන් සහ වෙනත් අය සොයා ගත්තේ ඇමයිනෝ අම්ලවල 1D අනුක්‍රමය ස්වයංසිද්ධව සහ නැවත නැවත ක්‍රියාකාරී ත්‍රිමාණ අනුකූලතාවයකට නැමිය හැකි බවත් (රූපය 1A), සහ අණුක “චැපෙරෝන්” මෙම ක්‍රියාවලිය වේගවත් කර පහසුකම් සැලසිය හැකි බවත්ය. මෙම නිරීක්ෂණ අණුක ජීව විද්‍යාවේ වසර 60 ක අභියෝගයකට මග පාදයි: ඇමයිනෝ අම්ලවල 1D අනුක්‍රමයෙන් ප්‍රෝටීනවල 3D ව්‍යුහය පුරෝකථනය කිරීම. මානව ජෙනෝම් ව්‍යාපෘතියේ සාර්ථකත්වයත් සමඟ, 1D ඇමයිනෝ අම්ල අනුක්‍රම ලබා ගැනීමේ අපගේ හැකියාව බෙහෙවින් වැඩිදියුණු වී ඇති අතර, මෙම අභියෝගය ඊටත් වඩා හදිසි වී ඇත.
ප්‍රෝටීන ව්‍යුහයන් පුරෝකථනය කිරීම හේතු කිහිපයක් නිසා අපහසුය. පළමුව, සෑම ඇමයිනෝ අම්ලයකම සෑම පරමාණුවකම ඇති විය හැකි සියලුම ත්‍රිමාණ පිහිටීම් බොහෝ ගවේෂණයන් අවශ්‍ය වේ. දෙවනුව, ප්‍රෝටීන පරමාණු කාර්යක්ෂමව වින්‍යාස කිරීම සඳහා ඒවායේ රසායනික ව්‍යුහයේ අනුපූරකතාව උපරිම ලෙස භාවිතා කරයි. ප්‍රෝටීන වල සාමාන්‍යයෙන් හයිඩ්‍රජන් බන්ධන “ප්‍රතිග්‍රාහකයා” (සාමාන්‍යයෙන් නයිට්‍රජන් හයිඩ්‍රජන් සමඟ බැඳී ඇත) ට ආසන්න විය යුතු හයිඩ්‍රජන් බන්ධන “පරිත්‍යාගශීලීන්” (සාමාන්‍යයෙන් ඔක්සිජන්) සිය ගණනක් ඇති බැවින්, සෑම පරිත්‍යාගශීලියෙකුම පාහේ ප්‍රතිග්‍රාහකයාට සමීප වන අනුකූලතා සොයා ගැනීම ඉතා අපහසු විය හැකිය. තෙවනුව, පර්යේෂණාත්මක ක්‍රම පුහුණු කිරීම සඳහා සීමිත උදාහරණ ඇත, එබැවින් අදාළ ප්‍රෝටීන වල පරිණාමය පිළිබඳ තොරතුරු භාවිතා කරමින් 1D අනුපිළිවෙල මත පදනම්ව ඇමයිනෝ අම්ල අතර විභව ත්‍රිමාණ අන්තර්ක්‍රියා තේරුම් ගැනීම අවශ්‍ය වේ.
හොඳම අනුකූලතාව සෙවීමේදී පරමාණුවල අන්තර්ක්‍රියා ආකෘතිකරණය කිරීම සඳහා භෞතික විද්‍යාව මුලින්ම භාවිතා කරන ලද අතර, ප්‍රෝටීන වල ව්‍යුහය පුරෝකථනය කිරීම සඳහා ක්‍රමයක් සංවර්ධනය කරන ලදී. ප්‍රෝටීන වල පරිගණකමය අනුකරණය පිළිබඳ ඔවුන්ගේ කාර්යය සඳහා කාර්ප්ලස්, ලෙවිට් සහ වෝර්ෂෙල්ට 2013 රසායන විද්‍යාව සඳහා නොබෙල් ත්‍යාගය පිරිනමන ලදී. කෙසේ වෙතත්, භෞතික විද්‍යාව පදනම් කරගත් ක්‍රම පරිගණකමය වශයෙන් මිල අධික වන අතර ආසන්න සැකසුම් අවශ්‍ය වේ, එබැවින් නිශ්චිත ත්‍රිමාණ ව්‍යුහයන් පුරෝකථනය කළ නොහැක. තවත් "දැනුම මත පදනම් වූ" ප්‍රවේශයක් වන්නේ කෘතිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීම (AI-ML) හරහා ආකෘති පුහුණු කිරීම සඳහා දන්නා ව්‍යුහයන් සහ අනුපිළිවෙලෙහි දත්ත සමුදායන් භාවිතා කිරීමයි. හසාබිස් සහ ජම්පර් භෞතික විද්‍යාවේ සහ AI-ML යන දෙකෙහිම අංග යොදන නමුත්, ප්‍රවේශයේ නවෝත්පාදනය සහ කාර්ය සාධනයේ පිම්ම ප්‍රධාන වශයෙන් AI-ML වෙතින් පැමිණේ. පර්යේෂකයන් දෙදෙනා AlphaFold නිර්මාණය කිරීම සඳහා කාර්මික ශ්‍රේණියේ පරිගණක සම්පත් සමඟ විශාල පොදු දත්ත සමුදායන් නිර්මාණාත්මකව ඒකාබද්ධ කළහ.
ඔවුන් ව්‍යුහාත්මක පුරෝකථන ප්‍රහේලිකාව "විසඳා" ඇති බව අපි දන්නේ කෙසේද? 1994 දී, ව්‍යුහාත්මක පුරෝකථන විවේචනාත්මක තක්සේරු (CASP) තරඟය ස්ථාපිත කරන ලද අතර, එය ව්‍යුහාත්මක පුරෝකථන ප්‍රගතිය නිරීක්ෂණය කිරීම සඳහා සෑම වසර දෙකකට වරක් රැස්වේ. පර්යේෂකයන් විසින් මෑතකදී විසඳා ඇති නමුත් තවමත් ප්‍රතිඵල ප්‍රකාශයට පත් කර නොමැති ප්‍රෝටීනයේ 1D අනුපිළිවෙල බෙදා ගනු ඇත. මෙම 1D අනුපිළිවෙල භාවිතා කරමින් පුරෝකථනය කරන්නා ත්‍රිමාණ ව්‍යුහය පුරෝකථනය කරන අතර, ඇගයුම්කරු ස්වාධීනව පුරෝකථනය කරන ලද ප්‍රතිඵලවල ගුණාත්මකභාවය විනිශ්චය කරන්නේ ඒවා අත්හදා බැලීම්කරු විසින් සපයන ලද ත්‍රිමාණ ව්‍යුහයට සංසන්දනය කිරීමෙනි (ඇගයුම්කරුට පමණක් සපයනු ලැබේ). CASP සත්‍ය අන්ධ සමාලෝචන පවත්වන අතර ක්‍රමවේද නවෝත්පාදනයන් හා සම්බන්ධ ආවර්තිතා කාර්ය සාධන පැනීම් වාර්තා කරයි. 2020 දී 14 වන CASP සමුළුවේදී, AlphaFold හි පුරෝකථන ප්‍රතිඵල කාර්ය සාධනයේ එතරම් පිම්මක් පෙන්නුම් කළ අතර සංවිධායකයින් නිවේදනය කළේ 3D ව්‍යුහ පුරෝකථන ගැටළුව විසඳා ඇති බවයි: බොහෝ අනාවැකිවල නිරවද්‍යතාවය පර්යේෂණාත්මක මිනුම්වලට ආසන්න විය.
පුළුල් වැදගත්කම නම් හසබිස් සහ ජම්පර්ගේ කාර්යය AI-ML විද්‍යාව පරිවර්තනය කළ හැකි ආකාරය ඒත්තු ගැන්වෙන ලෙස පෙන්නුම් කිරීමයි. එහි පර්යේෂණවලින් පෙනී යන්නේ AI-ML හට බහු දත්ත ප්‍රභවයන්ගෙන් සංකීර්ණ විද්‍යාත්මක උපකල්පන ගොඩනගා ගත හැකි බවත්, අවධානය යොමු කිරීමේ යාන්ත්‍රණ (ChatGPT හි ඇති ඒවාට සමාන) දත්ත ප්‍රභවයන්හි ප්‍රධාන පරායත්තතා සහ සහසම්බන්ධතා සොයා ගත හැකි බවත්, AI-ML හට එහි ප්‍රතිදාන ප්‍රතිඵලවල ගුණාත්මකභාවය ස්වයං-විනිශ්චය කළ හැකි බවත්ය. AI-ML මූලික වශයෙන් විද්‍යාව කරමින් සිටී.
පළ කිරීමේ කාලය: සැප්-23-2023