پژوهشگران با استفاده از هوش مصنوعی مولد، پروتئین‌هایی طراحی کرده‌اند که عملکردی فراتر از طبیعت در ویرایش ژنوم انسان دارند.
به گزارش phys.org، تیمی از پژوهشگران شرکت Integra Therapeutics با همکاری دانشکده پزشکی و علوم زیستی (MELIS) دانشگاه پومپئو فابرا (UPF) و مرکز تنظیم ژنوم (CRG) موفق شده‌اند نوعی پروتئین مصنوعی طراحی و به‌صورت آزمایشگاهی تایید کنند که قادر است ژنوم انسان را با کارایی بالاتری نسبت به پروتئین‌های طبیعی ویرایش کند.
نتایج این پژوهش که در مجله معتبر Nature Biotechnology منتشر شده است، گامی مهم در بهبود ابزار‌های فعلی ویرایش ژن محسوب می‌شود و می‌تواند به توسعه درمان‌های نوین سلولی و ژنی، از جمله درمان‌های CAR-T و روش‌های درمانی برای سرطان و بیماری‌های نادر کمک کند.
کشف تنوع زیستی گسترده در ترانسپوزاز‌ها
در سال‌های اخیر توانایی درج توالی‌های بزرگ DNA در ژنوم‌ها به‌صورت هدفمند و ایمن، تحولی بنیادین در توسعه درمان‌های پیشرفته ایجاد کرده است. یکی از ابزار‌های کلیدی در این زمینه، ترانسپوزاز‌ها هستند؛ آنزیم‌هایی مانند PiggyBac که با سازوکار کپی و جای‌گذاری، ژن‌های درمانی را به سلول‌های بیماران وارد می‌کنند.
با این حال تنوع محدود ترانسپوزاز‌های شناخته‌شده و دقت پایین آنها کاربردشان را محدود کرده است. پژوهشگران در این پروژه با استفاده از کاوش زیستی محاسباتی (computational bioprospecting) بیش از ۳۱ هزار ژنوم یوکاریوتی را بررسی کردند و موفق به شناسایی بیش از ۱۳ هزار توالی جدید و ناشناخته از خانواده PiggyBac شدند.
پس از انجام آزمایش‌های اعتبارسنجی در سلول‌های انسانی، ۱۰ ترانسپوزاز فعال شناسایی شد که نشان‌دهنده وجود تنوع عملکردی گسترده و استفاده‌نشده در طبیعت است. از میان آنها دو مورد فعالیتی مشابه نسخه‌های بهینه‌شده فعلی نشان دادند و یکی از آنها حتی در سلول‌های اولیه T انسانی که در درمان‌های سرطان اهمیت حیاتی دارند عملکرد بالایی از خود نشان داد.
طراحی پروتئین‌های نوین با هوش مصنوعی مولد
در مرحله بعد پژوهشگران با بهره‌گیری از مدل زبانی بزرگ پروتئینی (pLLM) که نوعی از هوش مصنوعی مولد است، گامی فراتر از طبیعت برداشتند. آنها با آموزش این مدل بر پایه همان ۱۳ هزار توالی کشف‌شده، موفق به تولید توالی‌های کاملاً جدیدی شدند که فعالیت و کارایی بالاتری دارند.
این رویکرد نه‌تنها بهینه‌سازی یکی از ترانسپوزاز‌های موجود را ممکن کرد بلکه نشان داد گونه‌های مهندسی‌شده با هوش مصنوعی با فناوری‌های پیشرفته ویرایش ژن مانند پلتفرم FiCAT نیز سازگار هستند.
گامی انقلابی در طراحی پروتئین‌ها و درمان‌های ژنی
به گفته‌ی آونشیا سانچز-مخیاس، مدیرعامل و هم‌بنیان‌گذار Integra Therapeutics انتشار این دستاورد در مجله Nature Biotechnology، مسیر تازه‌ای برای انقلاب در حوزه ویرایش ژن و درمان‌های پیشرفته می‌گشاید و جایگاه این شرکت را در خط مقدم توسعه فناوری‌های ژن‌درمانی و استفاده از ابزار‌های نوآورانه مبتنی بر هوش مصنوعی تثبیت می‌کند.
او افزود: برای نخستین‌بار از هوش مصنوعی مولد برای خلق اجزای مصنوعی و گسترش مرز‌های طبیعت استفاده کرده‌ایم. همان‌طور که قدرت شناختی ChatGPT می‌تواند شعری بنویسد، ما از مدل‌های زبانی پروتئینی برای تولید عناصری بهره بردیم که با اصول فیزیکی و شیمیایی ژن‌ها مطابقت دارند.
مارک گوئل، مدیر علمی Integra Therapeutics و پژوهشگر ICREA در MELIS-UPF نیز گفت: مدل‌های زبانی پروتئینی با آموزش روی تمامی توالی‌های پروتئینی شناخته‌شده در زمین، زبان درونی یا “دستور زبان” پروتئین‌ها را می‌آموزند. این مدل‌ها می‌توانند با درک کامل این زبان، پروتئین‌های کاملاً جدیدی تولید کنند که از نظر ساختاری و عملکردی معنا‌دارند.
به گفته نوئلیا فروز، رئیس گروه طراحی پروتئین با هوش مصنوعی در CRG این روش نشان می‌دهد که هوش مصنوعی قادر است نه‌تنها طبیعت را تقلید کند بلکه آن را ارتقا دهد. گامی که می‌تواند فصل تازه‌ای در طراحی دارو، زیست‌فناوری و درمان‌های ژنتیکی رقم بزند.
انتهای پیام/