জার্মানি এবং মার্কিন যুক্তরাষ্ট্রের বিজ্ঞানীরা Google-এর ডিপমাইন্ড দ্বারা তৈরি করা কৃত্রিম বুদ্ধিমত্তা (AI) সিস্টেম AlphaFold ব্যবহার করে প্রোটিনে পাওয়া সবচেয়ে টপোলজিক্যালি জটিল গিঁটের ভবিষ্যদ্বাণী করেছেন। আলফাফোল্ড দ্বারা উত্পাদিত ডেটার তাদের সম্পূর্ণ বিশ্লেষণ প্রোটিনে প্রথম যৌগিক গিঁটও প্রকাশ করে: একই স্ট্রিংয়ে দুটি পৃথক নট ধারণকারী টপোলজিক্যাল কাঠামো। যদি আবিষ্কৃত প্রোটিন গিঁটগুলি পরীক্ষামূলকভাবে পুনরায় তৈরি করা যায় তবে এটি আলফাফোল্ড দ্বারা করা ভবিষ্যদ্বাণীগুলির যথার্থতা যাচাই করতে কাজ করবে।
প্রোটিনগুলি ভাঁজ করে জটিল টপোলজিক্যাল গঠন তৈরি করতে পারে। এর মধ্যে সবচেয়ে কৌতূহলী হল প্রোটিন গিঁট - এমন আকার যা প্রোটিনকে উভয় প্রান্ত থেকে টানা হলে তা বিচ্ছিন্ন হবে না। পিটার ভিরনাউ, জোহানেস গুটেনবার্গ ইউনিভার্সিটি মেইঞ্জের একজন তাত্ত্বিক পদার্থবিদ বলেন ফিজিক্স ওয়ার্ল্ড যে বর্তমানে প্রায় 20 থেকে 30 পরিচিত গিঁটযুক্ত প্রোটিন রয়েছে। এই কাঠামোগুলি, ভিরনাউ ব্যাখ্যা করে, তারা কীভাবে ভাঁজ করে এবং কেন তারা বিদ্যমান তার চারপাশে আকর্ষণীয় প্রশ্ন উত্থাপন করে।
একটি প্রোটিনের আকৃতি তার কার্যকারিতার সাথে ঘনিষ্ঠভাবে যুক্ত হতে পারে, তবে প্রোটিন নটগুলির কার্যকারিতা এবং উদ্দেশ্য সম্পর্কে কয়েকটি তত্ত্ব থাকলেও এইগুলির ব্যাক আপ করার জন্য খুব কম শক্ত প্রমাণ রয়েছে। ভিরনাউ বলেছেন যে তারা প্রোটিনগুলিকে স্থিতিশীল রাখতে সাহায্য করতে পারে, উদাহরণস্বরূপ, তাপীয় ওঠানামাগুলির বিরুদ্ধে বিশেষভাবে প্রতিরোধী হয়ে, কিন্তু এইগুলি খোলা প্রশ্ন। যদিও প্রোটিন গিঁটগুলি বিরল, তারা বিবর্তনের দ্বারা অত্যন্ত সংরক্ষিত বলে মনে হয়।
"যদি একটি গিঁটযুক্ত প্রোটিন বিদ্যমান থাকে, উদাহরণস্বরূপ, খামিরে, এটি মানুষের সংশ্লিষ্ট প্রোটিনেও গিঁট দেওয়ার একটি উচ্চ সম্ভাবনা রয়েছে," ভিরনাউ ব্যাখ্যা করেন। "সুতরাং, এগুলি এমন কাঠামো যা কয়েক মিলিয়ন বছর ধরে রয়েছে।"
প্রোটিন গিঁট গবেষণায় একটি দীর্ঘস্থায়ী সমস্যা প্রোটিন গিঁট খুঁজে বের করা এবং সনাক্ত করা হয়েছে। যদিও জটিল প্রোটিন কাঠামো পরীক্ষামূলকভাবে পরীক্ষাগারে নির্ধারণ করা হয়েছে, এটি চ্যালেঞ্জিং এবং সময়সাপেক্ষ হতে পারে। সম্প্রতি, ডিপমাইন্ড নামে পরিচিত একটি এআই সিস্টেম তৈরি করেছে আলফাফোল্ড এটি দাবি করে যে এটি অবিশ্বাস্য গতি এবং নির্ভুলতার সাথে প্রোটিন কাঠামোর পূর্বাভাস দিতে পারে। ডিপ-লার্নিং সিস্টেমটি পরিচিত প্রোটিন এবং তাদের অ্যামিনো অ্যাসিড ক্রমগুলির একটি বৃহৎ ডাটাবেসের উপর কাজ করে। এটি প্রোটিনের ত্রিমাত্রিক কাঠামোর পূর্বাভাস দিতে অ্যামিনো অ্যাসিডের প্রাথমিক কাঠামোর উপর সেই ক্রম এবং তথ্যগুলি ব্যবহার করে। এর প্রশিক্ষণ প্রোটিন কাঠামোর বিবর্তনীয়, শারীরিক এবং জ্যামিতিক সীমাবদ্ধতার উপর ভিত্তি করে।
আলফাফোল্ড কয়েক লক্ষ প্রোটিন কাঠামোর ভবিষ্যদ্বাণী করেছে, যার বেশিরভাগ এখনও ক্যাটালগ করা হয়নি। এই সর্বশেষ কাজ, প্রকাশিত প্রোটিন বিজ্ঞান, ভিরনাউ এবং তার সহকর্মীরা পূর্বে অজানা জটিল প্রোটিন নটগুলির জন্য আলফাফোল্ডের ডেটাব্যাঙ্ক অনুসন্ধান করেছিলেন। তারা নয়টি নতুন নট আবিষ্কার করেছে। এই প্রথম 7 অন্তর্ভুক্ত1-গিঁট - সাতটি ক্রসিং পয়েন্ট সহ একটি গিঁট যা একটি প্রোটিনে পাওয়া সবচেয়ে টপোলজিক্যালি জটিল গিঁট।
গবেষকরা বেশ কয়েকটি ছয়-ক্রসিং যৌগিক গিঁটও খুঁজে পেয়েছেন। এগুলির প্রতিটিতে দুটি ট্রেফয়েল নট রয়েছে, যা তিনটি ক্রসিং সহ গিঁট। তারা পাঁচটি প্রয়োজনীয় ক্রসিং সহ দুটি পূর্বে অজানা গিঁটও আবিষ্কার করেছে, একটি 51-গিঁট এবং একটি 52-গিঁট।
দলটি এখন বায়োকেমিস্টের সাথে কাজ করছে টড ইয়েটস, ক্যালিফোর্নিয়া লস অ্যাঞ্জেলেস বিশ্ববিদ্যালয়ে, আলফাফোল্ড দ্বারা পরীক্ষামূলকভাবে চিহ্নিত প্রোটিনগুলি তৈরি করার জন্য যেগুলি ভবিষ্যদ্বাণী করা টপোলজিক্যাল কাঠামো গঠন করে তা নিশ্চিত করতে। "আমি বেশ আত্মবিশ্বাসী যে আমরা পরীক্ষামূলকভাবে এই কাঠামোগুলি নিশ্চিত করতে সক্ষম হব," ভিরনাউ বলেছেন।
কোয়ান্টাম পদ্ধতি দ্রুত প্রোটিন ভাঁজ প্রকাশ করে
যদি এই টপোলজিক্যালি চ্যালেঞ্জিং স্ট্রাকচারগুলি পরীক্ষামূলকভাবে তৈরি করা যায় তবে এটি দেখাবে যে আলফাফোল্ড প্রত্যাশিত হিসাবে কাজ করছে এবং কম জটিল প্রোটিন আকারের ভবিষ্যদ্বাণীগুলিতে আস্থা প্রদান করবে। "প্রোটিন গিঁটগুলি শুধুমাত্র এটির একটি ছোট দিক হতে পারে, তবে এটি তবুও সাধারণভাবে এই সরঞ্জামগুলির বৈধতা হিসাবে কাজ করতে পারে," ভিরনাউ ব্যাখ্যা করেন।
ভবিষ্যতে প্রোটিন ইঞ্জিনিয়ারিংয়ের জন্য এই AI সরঞ্জামগুলি ব্যবহার করা সম্ভব হতে পারে। প্রোটিনগুলিকে গিঁট এবং অন্যান্য জটিল কাঠামো সহ ডিজাইন করা যেতে পারে যা তাদের নির্দিষ্ট কাজের জন্য কার্যকারিতা সরবরাহ করে, যদিও এটি কমপক্ষে কয়েক বছর দূরে।
