ბიოლოგიაში ახალი ეპოქა იწყება — ხელოვნურმა ინტელექტმა მეცნიერებისთვის ცნობილი თითქმის ყველა ცილის სტრუქტურა გაშიფრა #1tvმეცნიერება
ბიოლოგიაში ახალი ეპოქა იწყება — ხელოვნურმა ინტელექტმა მეცნიერებისთვის ცნობილი თითქმის ყველა ცილის სტრუქტურა გაშიფრა #1tvმეცნიერება

ბიოლოგიურ კვლევებში ახალი ერა იწყება — ხელოვნური ინტელექტი (AI) პროგნოზირებს მეცნიერებისთვის ცნობილი თითქმის ყველა ცილის 3D ფორმას და ეს პირველი მონაცემების გამოქვეყნებიდან მხოლოდ ერთი წლის შემდეგ ხდება.

Google-ის კუთვნილი ხელოვნური ინტელექტის კომპანია DeepMind-ის მიერ შექმნილი ხელსაწყოს, სახელად AlphaFold-ის წყალობით, ინტერნეტში, მონაცემთა ბაზა AlphaFold DB-ში ახლა უკვე ყველასათვის უფასოდ არის ხელმისაწვდომი 200 მილიონზე მეტი ცილის სტრუქტურა.

ეს მიღწევა გზას უხსნის სიცოცხლის საშენი მასალის — ცილების სამეცნიერო კვლევის უთვალავ მიმართულებას. ლოგიკურია, რომ მკვლევრები აღფრთოვანებული არიან.

„ცილის 3D სტრუქტურის განსაზღვრას მრავალი თვე ან წელი სჭირდებოდა, ახლა კი ეს წამებშია შესაძლებელი. ახლა, როდესაც ცილების თითქმის მთელი სამყაროს სტრუქტურები ხელთ გვაქვს, ყოველდღიურად უნდა ველოდოთ ბევრი ბიოლოგიური საიდუმლოს ამოხსნას“, — ამბობს Scripps-ის კვლევების ინსტიტუტის კარდიოლოგი ერიკ ტოპოლი.

ევროპის ბიოინფორმატიკის ინსტიტუტის ევროპული ბიოლოგიური ლაბორატორიის (EMBL–EBI) მეცნიერებთან თანამშრომლობით, გასული წლის ივლისში DeepMind-მა AlphaFold-ის პროგნოზების პირველი კრებული გამოაქვეყნა.

AlphaFold-ს უკვე უწოდეს რევოლუციური ხელსაწყო, რომელმაც ბიოლოგიური კვლევები უნდა გარდაქმნას და დააჩქაროს ახალ პრეპარატთა აღმოჩენა; AlphaFold-ი ცილების 3D სტრუქტურას მათსავე ამინომჟავების მიმდევრობებზე დაყრდნობით პროგნოზირებს.

ამინომჟავათა ეს მიმდევრობები ერთმანეთთან ჯაჭვურად არიან დაკავშირებული და ახვევს გრძელ ცილებს, რომლებიც ფურცლების გრეხილი ლენტების მსგავსად არის დაკეცილი.

თუ ეცოდინებათ ის ფორმა, რომლითაც არის დაკეცილი ნებისმიერი მოცემული ცილა, მეცნიერებს შეუძლიათ დაადგინონ, როგორ მუშაობს ეს ცილა, გაშიფრონ მისი მთავარი დანიშნულება უჯრედში.

AlphaFold-ი ამ პროცესის დასაჩქარებლად შექმნეს; უახლეს მონაცემებში, მან პლანეტაზე არსებული მცენარეების, ბაქტერიების, ცხოველებისა და სხვა ორგანიზმების ცილების 200 მილიონზე მეტი პროგნოზირებული სტრუქტურა შემოგვთავაზა.

„ამ პროცესმა იმაზე სწრაფად შეისხა ხორცი, ვიდრე ოცნებაშიც კი გავბედავდით“, — წერს განცხადებაში DeepMind-ის ხელმძღვანელი დემის ჰასაბისი.

AlphaFold-ის პროგნოზთა პირველი კრებული მეცნიერებმა უკვე გამოიყენეს ისეთი მომაკვდინებელი დაავადების უკეთ შესასწავლად, როგორიც არის მალარია, რამაც გზა გაუხსნა ვაქცინების გაუმჯობესებას; ასევე გამოიყენეს ბეჰემოთი ცილების შესახებ არსებული ბიოლოგიური თავსატეხის ამოსახსნელად, რასაც ათწლეულები ცდილობდნენ.

არ უნდა დაგვავიწყდეს ჯერ არნახული ფერმენტებიც, რომლებსაც პლასტმასის ნარჩენების გადამუშავება შეუძლიათ.

„AlphaFold-მა მთელი მოლეკულური ბიოლოგიის საზოგადოება შეარყია. მხოლოდ შარშან, ათასზე მეტი ისეთი სამეცნიერო სტატია გამოქვეყნდა ფართო სპექტრის სამეცნიერო თემებზე, რომლებშიც AlphaFold-ის სტრუქტურები გამოიყენეს; მსგავსი არასდროს არაფერი მინახავს“, — ამბობს EMBL-EBI-ის ცილების მონაცემთა ბანკის სტრუქტურული ბიოლოგი სამირ ველანკარი.

მისივე თქმით, ეს ყველაფერი ჯერ მხოლოდ ერთი მილიონი პროგნოზის გავლენით მოხდა.

„წარმოიდგინეთ ის გავლენა, რაც AlphaFold-ის მონაცემთა ბაზაში 200 მილიონი ცილის სტრუქტურის უფასოდ ხელმისაწვდომობას ექნება“, — აღნიშნავს ველანკარი.

მიუხედავად იმისა, რომ ღია წყაროს პროგრამული უზრუნველყოფა AlphaFold-ი მკვლევართათვის გასული წლიდან არის ხელმისაწვდომი, მოძიებად მონაცემთა ბაზაში მილიონობით ცილის პროგნოზირებული სტრუქტურის არსებობა გარდაუვლად დააჩქარებს კვლევებს.

EMBL-EBI-ის განცხადებით, 214 მილიონზე მეტი პროგნოზიდან დაახლოებით ერთი მესამედი უმაღლესი სიზუსტით არის კლასიფიცირებული, თუ შევადარებთ ჩვეული ექსპერიმენტული მეთოდებით, მაგალითად, რენტგენული კრისტალოგრაფიით და კრიოელექტრონული მიკროსკოპიით მიღებულ ცილის სტრუქტურებს.

უკვე ათწლეულებია, ამ რთული მეთოდებით მეცნიერები მუხლჩაუხრელად ეწეოდნენ მოლეკულური სტრუქტურების გაშიფვრას; მათ შორის ალბათ ყველაზე ცნობილი შემთხვევაა როზალინდ ფრანკლინის მიერ სპირალური დნმ-ის სურათის მიღება.

თუმცა, AlphaFold-ის პროგნოზების ხარისხი განსხვავდება და შეიძლება ნაკლებად ზუსტი იყოს ისეთი იშვიათი ცილების შემთხვევაში, რომელთა შესახებაც მეცნიერებმა ცოტა რამ იციან. ამიტომ, ზოგიერთ შემთხვევაში, პროგნოზირებული სტრუქტურები შეიძლება გამოყენებულ იქნას ექსპერიმენტული მონაცემების გასაგებად.

მიუხედავად უზარმაზარი მონაცემებისა, სიცოცხლის შესახებ ჯერ მაინც ბევრი ისეთი რამ არის, რაც AlphaFold-მა ვერ დაიჭირა, მათ შორისაა პროგნოზები იმის შესახებ, როგორ ურთიერთქმედებენ ცილები ერთად ჩაწყობის შემდეგ.

მონაცემთა ბაზაში ასევე არ არის ნიადაგსა და ზღვის წყალში არსებული გენეტიკური კვალის საფუძველზე იდენტიფიცირებული მიკრობული ცილები; ეს მიკროორგანიზმები წარმოადგენს ძლიერ ნაერთთა აუთვისებელ რესურსს, რადგან ამ ეტაპზე, მეცნიერებს კატალოგიზებული აქვთ დედამიწის მთელი მიკრობული სიცოცხლის ძალიან მცირე ნაწილი.

ზოგიერთი მეცნიერი შეშფოთებას გამოთქვამს AlphaFold-ის მონაცემთა ბაზის ხელმისაწვდომობის შესახებ; მისი მოცულობა 23 ტერაბაიტია, რის გამოც, ის შეიძლება ნაკლებად ხელმისაწვდომი იყოს მკვლევართა ზოგიერთი ისეთი ჯგუფისთვის, რომლებსაც ძვირად ღირებული, მძლავრი კომპიუტერი არ აქვთ და ესაჭიროებათ ღრუბლოვან სერვისზე დაფუძნებული მეხსიერების მონაცემთა დახვეწილი ანალიზი.

მიუხედავად ამისა, მოსალოდნელი სარგებელი ადამიანის ჯანმრთელობაზე, რაც DeepMind-ის განცხადებით, ფრთხილად არის აწონილი პოტენციური ბიოეთიკური რისკების წინააღმდეგ — იმდენად დიდია, რომ თითქმის წარმოუდგენელია.

„ველოდები, რომ ახალი მონაცემები უახლოეს თვეებსა და წლებში ახალ, ამაღელვებელ აღმოჩენათა ზვავს გამოიწვევს; და ეს ყველაფერი იმის წყალობით, რომ მონაცემები ღიად, ყველასთვის უფასოდ არის ხელმისაწვდომი“, — ამბობს სტრუქტურული ბიოლოგი და EMBL-EBI-ის უფროსი მეცნიერი დეიმ ჯანეტი.

მომზადებულია ScienceAlert-ის მიხედვით.

დატოვე კომენტარი