تعیین ساختارهای پروتئینی با کمک مدل های یادگیری ماشین

تعیین ساختارهای پروتئینی با کمک مدل های یادگیری ماشین

روش میکروسکوپی الکترونی Cyro (یا cryo-EM) به دانشمندان امکان تولید تصاویر سه بعدی از مولکول های ریز مانند پروتئین ها را با وضوح بالا می دهد. این تکنیک برای تصویربرداری از پروتئین هایی که فقط در یک ساختار وجود دارند، بهترین عملکرد را دارد؛ اما اخیرا محققان MIT الگوریتم یادگیری ماشینی ایجاد کرده اند که به آنها کمک می کند تا ساختارهای مختلفی را که یک پروتئین میتواند به خود بگیرد، شناسایی کنند.

بر خلاف تکنیک های AI که هدف آنها پیش بینی ساختار پروتئین از طریق صرفا داده های توالی است، با استفاده از تکنیک Cryo-EM می توان ساختار پروتئین را نیز تشخیص داد. این تکنیک صدها هزار یا حتی میلیون ها تصویر دو بعدی از نمونه های پروتئینی منجمد شده را در یک لایه نازک از یخ تولید می کند. سپس الگوریتم های کامپیوتری در حوزه سلامت، طی فرایندی به نام بازسازی (یا reconstruction)، این تصاویر را از زوایای مختلف کنار هم قرار داده و یک نمایش سه بعدی از پروتئین می سازند.

در مقاله ای از نیچر متدز (Nature Methods)، محققان MIT نرم افزار جدیدی مبتنی بر هوش مصنوعی، برای بازسازی ساختارهای تصاویر پروتئین معرفی کرده اند (که دستیابی به هدفی بزرگ در جامعه علوم پروتئین محسوب می شود). در این نرم افزار، به جای استفاده از نمایش سنتی ساختار پروتئین به صورت شدت پراکندگی الکترون در ساختارهای مشبک سه بعدی (که برای مدل سازی چندین ساختار غیر عملی و نامناسب است)، محققان از شبکه عصبی (neural network) با معماری جدیدی استفاده کرده اند که می تواند به طور موثری مجموعه کاملی از ساختارها را در یک مدل واحد ایجاد نماید.

برای دیدن ویدئوی مربوط، روی آیکون زیر کلیک نمائید.

الن ژونگ (Ellen Zhong)، دانشجوی تحصیلات تکمیلی MIT و نویسنده اصلی مقاله، می گوید: «با تکیه بر قدرت نمایش/مصورسازی گسترده شبکه های عصبی، می توانیم اطلاعات ساختاری را از تصاویر با نویزهای زیاد استخراج کنیم و جزئیات حرکات ماشین های ماکرومولکولی را مصورسازی کنیم.»

جهت مطالعه ی کامل خبر اینجا کلیک نمائید.