প্রোটিন ডিজাইন করা অনেকটা ক্যাবিনেট তৈরির মতো। প্রথম ধাপ হল মেরুদণ্ড তৈরি করা যা প্রোটিনকে একত্রে ধরে রাখে। কিন্তু তারপরে কঠিন অংশটি আসে: স্ক্যাফোল্ডে কোথায় কব্জা স্থাপন করতে হবে তা খুঁজে বের করা—অর্থাৎ সর্বোত্তম "হটস্পট" খুঁজে বের করা—দরজা, তাক এবং অন্যান্য সংযুক্তি যা শেষ পর্যন্ত ক্যাবিনেটকে সম্পূর্ণরূপে কার্যকরী করে তোলে।
একটি উপায়ে, প্রোটিনগুলির গঠনগুলিতেও হটস্পট এমবেড করা থাকে। তাদের নামের সাথে সত্য, "কার্যকরী সাইট", এই কৌতূহলোদ্দীপক নক এবং ক্র্যানিগুলি অন্যান্য প্রোটিন বা ওষুধগুলিকে দখল করার জন্য জটিল ডক তৈরি করে। সাইটগুলি আমাদের মৌলিক জৈবিক প্রক্রিয়াগুলির বেশিরভাগ সম্পাদনের জন্য কেন্দ্রীয়। তারা নতুন চিকিত্সা এবং চিকিৎসা ওষুধ ডিজাইন করার জন্য একটি বিশাল সোনার খনি।
সমস্যাটি? কার্যকরী সাইট ম্যাপ করা কঠিন. বিজ্ঞানীদের ঐতিহ্যগতভাবে একটি প্রোটিনের সন্দেহজনক স্থানগুলিকে এক এক করে পরিবর্তিত করতে হয়েছিল - একটি অ্যামিনো অ্যাসিডকে অন্যটিতে পরিবর্তন করে - সুনির্দিষ্ট বাইন্ডিং স্পটগুলিকে পেরেক দিয়ে ফেলতে। একজন গোয়েন্দার মতো শত শত সন্দেহভাজনদের স্ক্রিনিং করা, যার মধ্যে অনেকেই থাকতে পারে, এটি অত্যন্ত ক্লান্তিকর।
A নতুন অধ্যয়ন in বিজ্ঞান পুরো গেমবুক উল্টে দিয়েছে। ওয়াশিংটন ইউনিভার্সিটির ডঃ ডেভিড বেকারের নেতৃত্বে, একটি দল শুরু থেকে অগণিত কার্যকরী সাইটের স্বপ্ন দেখার জন্য একটি AI এর "কল্পনা" ব্যবহার করে। এটি একটি মেশিনের মনের "সৃজনশীলতা" তার সর্বোত্তম - একটি গভীর শিক্ষার অ্যালগরিদম যা একটি প্রোটিনের কার্যকরী সাইটের সাধারণ ক্ষেত্রটির পূর্বাভাস দেয়, কিন্তু তারপরে কাঠামোটিকে আরও ভাস্কর্য করে।
একটি বাস্তবতা পরীক্ষা হিসাবে, দলটি নতুন সফ্টওয়্যার ব্যবহার করে ওষুধ তৈরি করে যা ক্যান্সারের বিরুদ্ধে লড়াই করে এবং সাধারণ, যদি কখনও কখনও মারাত্মক, ভাইরাসের বিরুদ্ধে ভ্যাকসিন ডিজাইন করে। একটি ক্ষেত্রে, ডিজিটাল মন একটি সমাধান নিয়ে এসেছিল যা, বিচ্ছিন্ন কোষগুলিতে পরীক্ষা করা হলে, একটি সাধারণ ভাইরাসের বিরুদ্ধে বিদ্যমান অ্যান্টিবডির জন্য একটি নিখুঁত মিল ছিল। অন্য কথায়, অ্যালগরিদম একটি ভাইরাল প্রোটিন থেকে একটি হটস্পটকে "কল্পনা করেছে", এটিকে নতুন চিকিত্সা ডিজাইন করার লক্ষ্য হিসাবে দুর্বল করে তুলেছে।
অ্যালগরিদম হল গভীর শিক্ষার প্রথম পথ যা তাদের কার্যাবলীর চারপাশে প্রোটিন তৈরি করে, যা আগে অকল্পনীয় চিকিৎসার দরজা খুলে দেয়। তবে সফ্টওয়্যারটি প্রাকৃতিক প্রোটিন হটস্পটগুলিতে সীমাবদ্ধ নয়। "প্রকৃতিতে আমরা যে প্রোটিনগুলি খুঁজে পাই তা আশ্চর্যজনক অণু, তবে ডিজাইন করা প্রোটিনগুলি আরও অনেক কিছু করতে পারে," বেকার একটি প্রেস রিলিজে বলেছেন। অ্যালগরিদম হল "এমন কিছু করা যা আমরা কেউ ভাবিনি যে এটি সক্ষম হবে।"
প্রোটিন হটস্পট
বেকারের দল কৃত্রিম মন দিয়ে প্রোটিনের ভবিষ্যদ্বাণী করার জন্য অপরিচিত নয়। কয়েক বছর আগে, তারা রোসেটা প্রকাশ করে কাঠামোগত জীববিজ্ঞানের ক্ষেত্রে দোলা দিয়েছিল, এমন একটি সফ্টওয়্যার যা শুধুমাত্র অ্যামিনো অ্যাসিড ক্রম অনুসারে প্রোটিনের 3D কাঠামোর পূর্বাভাস দিতে পারে। তারা প্রোটিন কমপ্লেক্সগুলিকে আরও ম্যাপ করেছে এবং অনাকাঙ্ক্ষিত প্রোটিন মিথস্ক্রিয়াগুলিকে আলাদা করার জন্য স্ক্র্যাচ থেকে প্রোটিন "স্ক্রু ড্রাইভার" ডিজাইন করেছে। গত বছরের শেষ দিকে, তারা একটি মুক্তি গভীর শিক্ষার নেটওয়ার্ক trRosetta নামে পরিচিত, একজন AI "স্থপতি" যেটি সাধারণভাবে বর্ণনা করে যে কীভাবে অ্যামিনো অ্যাসিডের স্ট্রিংগুলি ন্যানোস্কেলে জটিল কাঠামোতে বিন্যস্ত হয়৷
ব্যাক আপ চলুন.
আমি এই বাক্যটি টাইপ করার সাথে সাথে আমি কামড় দিয়েছি এমন মাংসল, চিকেন ডানা হিসাবে প্রোটিনগুলিকে চিত্রিত করা সহজ। কিন্তু আণবিক স্তরে, তারা অনেক বেশি মার্জিত। কল্পনা করুন একাধিক লেগো ব্লক—অ্যামিনো অ্যাসিড—একটি স্ট্রিং দ্বারা একসাথে রাখা। এখন এটিকে ঘোরান, চেইনটি মোচড় দিয়ে যতক্ষণ না কিছু ব্লক একে অপরের সাথে স্ন্যাপ হয়। এটি একটি সূক্ষ্ম কাঠামো তৈরি করে যা প্রায়শই একটি হেলিক্স বা রম্পল্ড বেডশীটের মতো হয়। কিছু প্রোটিনে, এই বিল্ডিং ব্লকগুলি আরও কমপ্লেক্সে একত্রিত হয়-উদাহরণস্বরূপ, একটি চ্যানেল তৈরি করা যা একটি টহলযুক্ত আন্তঃরাজ্য হাইওয়ের মতো কোষের প্রতিরক্ষামূলক ঝিল্লির মধ্য দিয়ে সুড়ঙ্গ করে।
প্রোটিনগুলি প্রতিটি একক জৈবিক প্রক্রিয়াকে শক্তি দেয়, প্রায়শই অন্যান্য প্রোটিন বা ওষুধের সাথে মিথস্ক্রিয়াগুলির ক্যাসকেডের মাধ্যমে, যা - অংশীদারের উপর নির্ভর করে - সম্পূর্ণ ভিন্ন পরিণতি ঘটাতে পারে: একটি কোষ কি বেঁচে থাকবে নাকি মারা যাবে? একটি সম্ভাব্য আক্রমণকারী আক্রমণ বা দাঁড়ানো? অন্য কথায়, প্রোটিন হল জীবনের বিল্ডিং ব্লক, এবং তাদের গঠন পার্সিং হল কিভাবে আমরা জীবনে হ্যাক করতে পারি।
এখানে জিনিসটি হল: প্রোটিনের সমস্ত অংশ সমানভাবে তৈরি হয় না। যদি একটি প্রোটিন একটি মানবদেহ হয়, কার্যকরী সাইটগুলি হল তার "হাত" - যেখানে এটি অন্য প্রোটিন বা ওষুধের উপর আঁকড়ে ধরে, এনজাইমেটিক প্রতিক্রিয়াগুলিকে আলোড়িত করে, বা আক্রমণকারী প্যাথোজেনগুলির বিরুদ্ধে লড়াই করে। প্রোটিনের কাঠামোতে সরাসরি এম্বেড করা, এই সাইটগুলি পিন করা কঠিন এবং আবার তৈরি করা আরও কঠিন।
নতুন গবেষণায় রোসেটার একটি সংস্করণের সাথে সমস্যাটি মোকাবেলা করা হয়েছে: কিছু পূর্ববর্তী জ্ঞানের সাথে, একটি কম্পিউটারের পক্ষে কি অ্যামিনো অ্যাসিডের একটি শৃঙ্খল স্বপ্ন দেখা সম্ভব যা স্বাভাবিকভাবে একটি কার্যকরী সাইটে ভাঁজ করে?
স্বপ্নদ্রষ্টা এবং বাস্তববাদী
সমস্যাটি বহিরাগত মনে হতে পারে, তবে একটি পূর্ববর্তী উদাহরণ রয়েছে - একটি ভিন্ন ক্ষেত্রে। একটি নিউরাল নেটওয়ার্ক ব্যবহার করে, OpenAI শুধুমাত্র পাঠ্য ক্যাপশন থেকে বিস্তৃত চিত্র তৈরি করেছে। রকস্টার এআই টেক্সট জেনারেটরের একটি স্পিনঅফ GPT-3, DALL·E অ্যালগরিদম তার প্রশিক্ষণ থেকে নিদর্শন সনাক্ত করে সাধারণ পাঠ্য প্রম্পটের উপর ভিত্তি করে চমত্কার কিন্তু বাস্তবসম্মত চিত্র তৈরি করেছে। "এটি আপনার কল্পনার গভীরতম, অন্ধকারতম অবকাশ নেয় এবং এটিকে এমন কিছুতে উপস্থাপন করে যা খুব প্রাসঙ্গিক," বলেছেন টুলটির প্রাথমিক প্রকাশের পর ইউসি বার্কলেতে ড. হ্যানি ফরিদ।
একটি প্রোটিন কার্যকরী সাইট নির্মাণ অনুরূপ. এখানে, অ্যামিনো অ্যাসিড হল অক্ষর এবং প্রোটিন কার্যকরী সাইট হল চিত্র। “ধারণাটি একই: নিউরাল নেটওয়ার্কগুলিকে ডেটাতে নিদর্শন দেখতে প্রশিক্ষণ দেওয়া যেতে পারে। একবার প্রশিক্ষিত হলে, আপনি এটিকে একটি প্রম্পট দিতে পারেন এবং দেখতে পারেন এটি একটি মার্জিত সমাধান তৈরি করতে পারে কিনা,” বলেছেন ড. জোসেফ ওয়াটসন, নতুন কাজের একজন প্রধান লেখক৷ একটি উপন্যাস লেখার পরিবর্তে, অ্যালগরিদম জীবন পুনর্লিখনে সাহায্য করতে পারে।
দলটি আগের সৃষ্টি, ট্ররোসেটা দিয়ে শুরু করেছিল। এটি একটি নিউরাল নেটওয়ার্ক যা মূলত অ্যামিনো অ্যাসিড সিকোয়েন্সের উপর ভিত্তি করে নতুন প্রোটিনের স্বপ্ন দেখার জন্য ডিজাইন করা হয়েছে এবং তাদের গঠন ভবিষ্যদ্বাণী করতে সক্ষম হয়েছে - কিছু প্রাকৃতিক থেকে এতটাই এলিয়েন যে দলটি গভীর শিক্ষার অভ্যন্তরীণ কাজকে "হ্যালুসিনেশন" বলে অভিহিত করেছে। অ্যালগরিদমটি নিখুঁত বলে মনে হয়েছিল: এটি একটি প্রোটিনের অ্যামিনো অ্যাসিড ক্রম এবং এর গঠন উভয়ই ভবিষ্যদ্বাণী করতে পারে।
হেঁচকি? এটা সত্যিই কাজ করেনি. বিপরীতে, ওজি প্রোটিন গঠন পূর্বাভাস, রোজটিটাফোল্ড, চ্যাম্পের মত পারফর্ম করেছে। অ্যালগরিদমের শক্তি তার নকশা থেকে আসে: ন্যানোস্কেলে প্রতিটি অ্যামিনো অ্যাসিডের মডেলিং, প্রতিটি পরমাণুকে স্থানাঙ্ক প্রদান করে। Google মানচিত্র ব্যবহার করে একটি ভৌগোলিক সাইট পিন করার মতো, এটি একটি কাঠামোর জন্য গ্রাউন্ড ট্রুথের একটি স্তর সরবরাহ করে যা একটি AI আরও রিফ করতে পারে - এক ধরণের "সীমাবদ্ধ হ্যালুসিনেশন"।
অনুবাদ? RoseTTAFold একটি কার্যকরী কাঠামোর ভবিষ্যদ্বাণী করতে পারে—হাতে থাকা সমস্যাটির জন্য নির্দিষ্ট—এবং চূড়ান্ত নকশা হিসাবে একটি রুক্ষ স্কেচ নিয়ে আসতে পারে।
তারপরে আরেকটি চতুর কৌশল এসেছিল, যার নাম "ইনপেইন্টিং"। এখানে, দলটি প্রোটিন সিকোয়েন্স বা কাঠামোর অংশ লুকিয়ে রেখেছিল। সফ্টওয়্যারটিকে শিখতে হয়েছিল যে কীভাবে মূলত একটি কোলাহলপূর্ণ রেডিও ইন্টারসেপশন থেকে তথ্যের পাঠোদ্ধার করতে হয়, যেখানে আপনি শুধুমাত্র প্রথম কয়েকটি শব্দ শুনতে পারেন তবে শূন্যস্থান পূরণ করে এর অর্থ বোঝার চেষ্টা করুন। RoseTTAFold উচ্চ বিশ্বস্ততার সাথে একটি প্রদত্ত কার্যকরী অঞ্চল তৈরি করতে অ্যামিনো অ্যাসিড সিকোয়েন্স এবং স্ট্রাকচার উভয়ই স্বয়ংসম্পূর্ণ করে আনন্দের সাথে "নিখোঁজ তথ্য পুনরুদ্ধারের সমস্যা" মোকাবেলা করেছে।
RoseTTAFold একই সময়ে অ্যামিনো অ্যাসিড সিকোয়েন্স তৈরি এবং সাইটের জন্য একটি মেরুদণ্ড তৈরি করার সমস্যাগুলি মোকাবেলা করতে পারে। এটি কাগজে শব্দ রাখার মতো: লেখক প্রতিটি অক্ষর সঠিক জায়গায় আছে কিনা তা নিশ্চিত করে, ব্যাকরণ এবং অর্থ বোঝা যায় কিনা তা পরীক্ষা করার সময়।
বাস্তবতার প্রকৃতিকে প্রশ্নবিদ্ধ করা
তাদের নতুন সৃষ্টিকে পরীক্ষা করার জন্য, দলটি বেশ কয়েকটি ওষুধ এবং ভ্যাকসিন ডিজাইন তৈরি করেছে যা সম্ভাব্যভাবে ভাইরাস এবং ক্যান্সারের বিরুদ্ধে লড়াই করতে পারে বা কম আয়রনযুক্ত স্বাস্থ্য সমস্যাগুলিতে সহায়তা করতে পারে।
লেখক ডঃ জুয়ে ওয়াংয়ের নেতৃত্ব দেওয়ার জন্য, অ্যালগরিদমটি অপ্রত্যাশিতভাবে প্রাসঙ্গিক হয়ে উঠেছে। প্রকল্পে কাজ করার সময়, তার দুই বছর বয়সী ছেলেকে আরএসভি (রেস্পিরেটরি সিনসিটিয়াল ভাইরাস) দ্বারা ফুসফুসের সংক্রমণ থেকে জরুরি ইউনিটে হাসপাতালে ভর্তি করা হয়েছিল - একটি ভাইরাস যা সাধারণত ঠাণ্ডার মতো লক্ষণগুলি প্রদর্শন করে, তবে অল্পবয়সী এবং শিশুদের মধ্যে মারাত্মক হতে পারে। বয়স্ক
সেই সময়ে, ওয়াং নতুন চিকিত্সা ডিজাইন করতে অ্যালগরিদম ব্যবহার করছিলেন, যার মধ্যে আরও টিকা এবং ওষুধের বিরুদ্ধে আরও পরীক্ষা করার জন্য RSV-তে সম্ভাব্য সাইটগুলি অন্তর্ভুক্ত ছিল। এটি একটি তুলনামূলকভাবে ভাল-ম্যাপ করা কাঠামো। সফ্টওয়্যারটি হ্যালুসিনেটেড ডিজাইন যা সম্ভাব্যভাবে আবদ্ধ হওয়ার জন্য ভ্যাকসিনের জন্য দুটি সাইটকে পুনরুদ্ধার করে। হ্যালুসিনেটেড প্রোটিন ব্যবহার করে পরীক্ষাগুলি, ব্যাকটেরিয়াতে পুনর্গঠিত, দ্রুত বিদ্যমান অ্যান্টিবডিগুলির উপর আঁকড়ে ধরে - একটি লক্ষণ যে তারা কার্যকরী এবং গভীর শিক্ষার পদ্ধতি কাজ করে।
ঘটনাটি "আমাকে উপলব্ধি করেছে যে এমনকি 'পরীক্ষা' সমস্যাগুলি নিয়ে আমরা কাজ করছিলাম তা আসলে বেশ অর্থবহ ছিল," ওয়াং বলেছিলেন।
বেশ কয়েকটি অতিরিক্ত পরীক্ষায়, দলটি একটি এনজাইম, প্রোটিন-বাইন্ডিং প্রোটিন এবং প্রোটিনগুলির জন্য কার্যকরী সাইটগুলি ডিজাইন করেছে যা ধাতব আয়নগুলিতে দখল করে - মূলত, আপনি কীভাবে লোহা এবং অন্যান্য গুরুত্বপূর্ণ ধাতুগুলিকে শোষণ করেন৷
শক্তিশালী হলেও, বৃদ্ধির জন্য জায়গা আছে। পদ্ধতিটি প্রাকৃতিক প্রোটিনকে রহস্যময় করার দ্বার উন্মুক্ত করে, তবে কৃত্রিম জীববিজ্ঞানের জন্য সম্ভাব্যভাবে নতুনগুলি ডিজাইন করে। "এগুলি খুব শক্তিশালী নতুন পদ্ধতি, তবে উন্নতির জন্য এখনও অনেক জায়গা আছে," বেকার বলেছেন।
সব মিলিয়ে, এটি গভীর শিক্ষার জন্য আরেকটি জয় এবং এআই এবং জীববিদ্যা কীভাবে সমন্বয় করতে পারে তার একটি আকর্ষণীয় প্রদর্শন। "গত দুই বছরে গভীর শিক্ষার রূপান্তরিত প্রোটিন গঠন ভবিষ্যদ্বাণী, আমরা এখন প্রোটিন ডিজাইনের অনুরূপ রূপান্তরের মাঝখানে আছি," বেকার বলেছেন।
ইমেজ ক্রেডিট: ইয়ান সি. হেডন/প্রোটিন ডিজাইনের জন্য UW ইনস্টিটিউট. প্রোটিন কাঠামোর উপর প্রশিক্ষিত নতুন কৃত্রিম বুদ্ধিমত্তা সফ্টওয়্যার কয়েক সেকেন্ডে শ্বাসযন্ত্রের ভাইরাস RSV-এর জন্য এই প্রার্থী ভ্যাকসিন সহ কার্যকরী প্রোটিন তৈরি করতে পারে।
