আলফাফোল্ড এআই দ্বারা ভবিষ্যদ্বাণী করা বিজ্ঞানের কাছে পরিচিত প্রায় সমস্ত প্রোটিন কাঠামো

এআই-চালিত প্রোটিন-ভাঁজ মডেল আলফাফোল্ড 200 মিলিয়নেরও বেশি প্রোটিনের ভবিষ্যদ্বাণী করেছে, বিজ্ঞানের কাছে এমন প্রায় সমস্ত কাঠামো পরিচিত, বৃহস্পতিবার ডিপমাইন্ড বলেছেন।

প্রোটিন হল জটিল জৈবিক অণু যা ডিএনএ-তে সঞ্চিত নির্দেশাবলী থেকে জীবন্ত প্রাণীতে উৎপন্ন হয়। 20 ধরনের অ্যামিনো অ্যাসিড থেকে তৈরি, এই ন্যানো-স্কেল চেইনগুলি সমস্ত ধরণের শারীরিক কার্য সম্পাদনের জন্য গুরুত্বপূর্ণ সেলুলার কাজগুলি সম্পাদন করে। প্রোটিনের ত্রিমাত্রিক রূপটি জানা গুরুত্বপূর্ণ কারণ এর শারীরিক গঠন এটি কীভাবে আচরণ করে এবং এটি কী উদ্দেশ্যে কাজ করে তার ইঙ্গিত দেয়, যা আমাদের ওষুধ তৈরি করতে এবং যাদের অভাব তাদের জন্য কপিক্যাট প্রোটিন তৈরি করতে সহায়তা করে।

কিছু প্রোটিন সহায়ক, যেমন খাদ্য হজমের সাথে জড়িত অন্যগুলি ক্ষতিকারক হতে পারে, যেমন টিউমারের বৃদ্ধিতে জড়িত। তাদের জটিল wriggly আকার খুঁজে বের করা, যদিও, কঠিন. আণবিক জীববিজ্ঞানীরা প্রোটিনের গঠন বোঝার জন্য পরীক্ষা-নিরীক্ষা চালাতে বছরের পর বছর ব্যয় করতে পারেন এবং অ্যামিনো অ্যাসিডের গঠন থেকে অণুটি কত বড় তার উপর নির্ভর করে আলফাফোল্ড মিনিটের মধ্যে এটি করতে পারে। 

আলফাফোল্ডকে কয়েক হাজার পরিচিত প্রোটিন কাঠামোর উপর প্রশিক্ষণ দেওয়া হয়েছিল, এবং উপাদান অ্যামিনো অ্যাসিড এবং চূড়ান্ত সামগ্রিক আকারের মধ্যে সম্পর্ক শিখেছিল। একটি নির্বিচারে ইনপুট অ্যামিনো অ্যাসিড ক্রম দেওয়া, মডেল একটি 3D প্রোটিন গঠন ভবিষ্যদ্বাণী করতে পারে। এখন, মডেলটি বিজ্ঞানের কাছে পরিচিত প্রায় সমস্ত প্রোটিন কাঠামোর ভবিষ্যদ্বাণী করেছে।

ইউরোপীয় বায়োইনফরমেটিক্স ইনস্টিটিউটের সাথে একসাথে কাজ করে, ডিপমাইন্ড তার প্রসারিত করেছে আলফাফোল্ড প্রোটিন স্ট্রাকচার ডেটাবেস প্রাণী থেকে উদ্ভিদ, ব্যাকটেরিয়া থেকে ভাইরাস পর্যন্ত 200 মিলিয়নেরও বেশি 3D আকারের প্রোটিন ধারণ করা - মাত্র এক বছরে প্রায় এক মিলিয়ন অণু থেকে কমপক্ষে 200 মিলিয়ন অণুতে 200x এর বেশি বৃদ্ধি।

"আমরা আশা করেছিলাম যে এই যুগান্তকারী সংস্থানটি বৈজ্ঞানিক গবেষণা এবং আবিষ্কারকে বিশ্বব্যাপী ত্বরান্বিত করতে সাহায্য করবে, এবং অন্যান্য দলগুলি আলফাফোল্ডের সাথে আমরা যে অগ্রগতিগুলি করেছি তা থেকে শিখতে পারে এবং আরও অগ্রগতি তৈরি করতে পারে," ডেমিস হ্যাসিবিস, ডিপমাইন্ডের সহ-প্রতিষ্ঠাতা এবং সিইও, বলেছেন বৃহস্পতিবার একটি বিবৃতিতে।

“আমরা স্বপ্ন দেখার সাহস করেছিলাম তার চেয়ে অনেক দ্রুত সেই আশা বাস্তবে পরিণত হয়েছে। মাত্র বারো মাস পরে, আলফাফোল্ড অর্ধ মিলিয়নেরও বেশি গবেষক দ্বারা অ্যাক্সেস করা হয়েছে এবং প্লাস্টিক দূষণ থেকে অ্যান্টিবায়োটিক প্রতিরোধ পর্যন্ত গুরুত্বপূর্ণ বাস্তব-বিশ্বের সমস্যাগুলির অগ্রগতি ত্বরান্বিত করতে ব্যবহৃত হয়েছে৷

নিবন্ধনকর্মী ডিপমাইন্ডকে আরও মন্তব্যের জন্য জিজ্ঞাসা করেছে৷ 

AlphaFold নতুন ওষুধ ডিজাইন করার জন্য দুর্দান্ত সম্ভাবনাও দেখিয়েছে। কাঠামোগুলি বিজ্ঞানীদের রাসায়নিক যৌগগুলি বের করতে সাহায্য করে যা লক্ষ্যবস্তু প্রোটিনগুলিকে চিকিত্সা করতে বা প্যাথলজিকাল ফাংশনগুলি সম্পাদন করতে বাধা দিতে পারে। ইনসিলকো মেডিসিন সহ কোম্পানি আছে পরীক্ষানিরীক্ষা নতুন ওষুধ আবিষ্কারের মডেল সহ; সিইও অ্যালেক্স জাভোরনকভ জানিয়েছেন নিবন্ধনকর্মী যে প্রক্রিয়াটি আপনি ভাবতে পারেন তার চেয়ে অনেক বেশি জটিল এবং এতে বেশ কয়েকটি ধাপ জড়িত।

আলফাফোল্ডের ভবিষ্যদ্বাণী কতটা সঠিক তা স্পষ্ট নয়। একটি প্রোটিনের ফিতার মতো গঠন প্রায়শই আকৃতি পরিবর্তন করে যখন এটি একটি ওষুধের সাথে যোগাযোগ করে, এমন কিছু আলফাফোল্ড বিজ্ঞানীদের সাহায্য করতে পারে না কারণ এটি প্রশিক্ষিত নয়। জাভোরনকভ বলেছেন যে মডেলটি একটি "বেশ উল্লেখযোগ্য অগ্রগতি" তবে তিনি সমস্ত প্রচার থেকে সতর্ক ছিলেন। 

“যতক্ষণ না আমরা আলফাফোল্ডের মাধ্যমে প্রাপ্ত একটি বড় রোগে একটি অভিনব লক্ষ্যের কাঠামো দেখতে পাচ্ছি, কোনো অতিরিক্ত পরীক্ষা-নিরীক্ষা ছাড়াই, এআই - বা অন্যান্য পদ্ধতি ব্যবহার করে ডিজাইন করা একটি অণু - এই ভবিষ্যদ্বাণী করা কাঠামোটি ব্যবহার করে, সংশ্লেষিত এবং পরীক্ষা করা হয়েছে এবং তারপরে একটি উচ্চ জার্নালে প্রকাশিত হয়েছে। - [আমরা করতে পারি] তারপর উদযাপন।"

বিগ ফার্মা অ্যালফাফোল্ডের মতো AI সরঞ্জামগুলির সাহায্যে ডিজাইন করা অণু দেখতে চায় যা আসলে ইঁদুর এবং মানুষের মধ্যে পরীক্ষা করা হয়েছে। "খাঁটি অ্যালগরিদমিক অর্জনগুলি ফার্মা কোম্পানি এবং বিশেষ করে রোগীদের কাছে মূল্যবান নয়," Zhavoronkov যোগ করেছেন।

বিরল জেনেটিক রোগের ওষুধ তৈরির জন্য মেশিন-লার্নিং অ্যালগরিদম ব্যবহার করে একটি স্টার্টআপ, কোলাবরেশন ফার্মাসিউটিক্যালসের একজন সিনিয়র বিজ্ঞানী ফ্যাবিও আরবিনা বলেছেন, আলফাফোল্ড তার গবেষণায় এখনও কার্যকর প্রমাণিত হয়নি। Urbina একটি ভিন্ন কৌশল ব্যবহার করে এবং একটি লক্ষ্য প্রোটিনের পরিবর্তে একটি সম্ভাব্য নতুন ওষুধের গঠনের উপর বেশি ফোকাস করে।

বিরল রোগের জন্য নতুন সম্ভাব্য ওষুধ আবিষ্কার করতে আমাদের সাহায্য করার জন্য প্রোটিন কাঠামো যথেষ্ট কার্যকর হবে কিনা তা এখনও দেখা যায়নি

“এটি কয়েকটি কারণে; অনেক ওষুধের লক্ষ্যমাত্রার প্রোটিন কাঠামো প্রায়শই গবেষকদের ব্যবহারের জন্য সহজলভ্য ছিল না, এবং প্রোটিন তথ্য প্রাথমিক মেশিন লার্নিং মডেলগুলিকে তাদের ভবিষ্যদ্বাণী করার ক্ষমতাকে উল্লেখযোগ্য ব্যবধানে উন্নত করতে সাহায্য করবে বলে মনে হয় না,” তিনি বলেন নিবন্ধনকর্মী.

"আমি সতর্কতার সাথে আশাবাদী যে আলফাফোল্ড মূলত প্রথম সমস্যার 'সমাধান' করেছে, কিন্তু প্রোটিন কাঠামো আমাদের নতুন সম্ভাব্য ওষুধ আবিষ্কারে সাহায্য করার জন্য মেশিন-লার্নিং ভবিষ্যদ্বাণীমূলক শক্তির উন্নতির জন্য আমাদের ডাউনস্ট্রিম প্রয়োগের জন্য যথেষ্ট উপযোগী হবে কিনা তা এখনও দেখা যায়নি। বিরল রোগের জন্য। যাইহোক, আমরা ক্রমবর্ধমানভাবে প্রোটিন কাঠামোগত তথ্যকে নতুন মেশিন-লার্নিং পদ্ধতির অংশ হিসাবে বিবেচনায় নেওয়া দেখেছি এবং আমরা একই কাজ করার কথা ভেবেছি।"

ডিপমাইন্ডের প্রতিশ্রুতি অনুযায়ী প্রায় সমস্ত পরিচিত প্রোটিন কাঠামোর সাথে একটি ডাটাবেস তৈরি করার অর্থ হল আরও বেশি বিজ্ঞানীদের কাছে আরও শক্তিশালী এআই মডেলগুলি পরীক্ষা করার এবং তৈরি করার সংস্থান থাকবে, উরবিনা বলেছেন। “আমি সতর্কতার সাথে আশাবাদী, কিন্তু প্রোটিন কাঠামোর পুরো লাইব্রেরি উপলব্ধ থাকায়, আমি বলব যে আলফাফোল্ড কাঠামোগুলি আমাদের মেশিন-লার্নিং মডেলগুলির মধ্যে অন্তর্ভুক্ত হওয়ার একটি ভাল সুযোগ রয়েছে এবং শেষ পর্যন্ত আমাদের অভিনব থেরাপিউটিকস আবিষ্কার করতে সাহায্য করতে পারে৷ " ®