پژوهشگران با استفاده از هوش مصنوعی موفق شدهاند نسل جدیدی از پروتئینهای مصنوعی کریسپر را طراحی کنند که در برخی موارد عملکردی بهتر از نمونههای طبیعی دارند. این دستاورد میتواند مسیر توسعه فناوریهای ویرایش ژن را در حوزههایی مانند پزشکی، کشاورزی و زیستفناوری هموارتر کند و سرعت تحقیقات ژنتیکی را افزایش دهد.
به گزارش پایگاه خبری حکمرانی هوشمند، بر اساس نتایج پژوهشی که در نشریه نیچر منتشر شده است، دانشمندان با کمک مدلهای هوش مصنوعی پروتئینهایی طراحی کردهاند که ژنوم را با کارایی بیشتری نسبت به نمونههای طبیعی ویرایش میکنند. این سامانههای مصنوعی قادرند دقت و انعطافپذیری فناوری کریسپر را افزایش دهند و فرصتهای تازهای را پیش روی پژوهشگران قرار دهند.
در این پژوهش، محققان از مدلهای یادگیری ماشین برای طراحی نوکلئازهای مصنوعی استفاده کردند؛ آنزیمهایی که در سامانه کریسپر همانند «قیچیهای مولکولی» عمل کرده و با هدایت یک RNA راهنما، بخش مشخصی از DNA را برش میدهند تا امکان حذف، اصلاح یا اضافه کردن اطلاعات ژنتیکی فراهم شود.
جنیفر دودنا، زیستشیمیدان دانشگاه کالیفرنیا در برکلی و از برندگان جایزه نوبل شیمی ۲۰۲۰، با اشاره به پیچیدگی عملکرد این آنزیمها گفت: «نوکلئازها باید مجموعهای از مراحل بسیار دقیق و هماهنگ را طی کنند.» وی افزود: «به محض اینکه شروع به تغییر دادن این پروتئینها میکنید، خیلی زود متوجه میشوید که هرچند میتوان تغییراتی ایجاد کرد، اما در نهایت محصول حاصل دیگر عملکرد مناسبی ندارد.»
پژوهشگران برای عبور از این محدودیت، ابتدا ساختار سهبعدی یکی از نوکلئازهای خانواده TnpB را در اختیار یک مدل هوش مصنوعی قرار دادند تا نسخههای جدیدی از این پروتئین را طراحی کند. سپس با استفاده از یک مدل دیگر که بر پایه حجم گستردهای از دادههای آزمایشگاهی آموزش دیده بود، نسخههایی انتخاب شدند که ضمن حفظ ساختار اصلی، توانایی عملکرد مناسب را نیز داشته باشند.
نتایج آزمایشها نشان داد برخی از پروتئینهای طراحیشده توسط هوش مصنوعی، با وجود آنکه حدود ۳۰ درصد از توالی آنها نسبت به نمونه طبیعی تغییر کرده بود، همچنان توانایی ویرایش ژن را در سلولهای باکتری، گیاه و انسان حفظ کردهاند. حتی تعدادی از این آنزیمها در حذف یا افزودن بخشهای هدف ژنوم، عملکردی بهتر از نمونههای طبیعی از خود نشان دادند؛ موضوعی که دودنا آن را بسیار هیجانانگیز توصیف کرد.
با این حال، پژوهشگران تأکید دارند که توسعه ابزارهای مبتنی بر هوش مصنوعی جایگزین تحقیقات بنیادی نخواهد شد. به گفته دودنا، ما برای سرعت بخشیدن به تحقیقات به ابزارهای هوش مصنوعی نیاز داریم، اما اگر بخواهیم بیشترین بهره را از این مدلها ببریم، همچنان به دانشمندانی نیاز خواهیم داشت که سازوکارهای مولکولی را عمیقا درک میکنند.
کارشناسان معتقدند ترکیب هوش مصنوعی با فناوری کریسپر میتواند فصل تازهای در ویرایش ژن ایجاد کند؛ رویکردی که علاوه بر افزایش سرعت کشف پروتئینهای جدید، زمینه توسعه روشهای درمانی دقیقتر و پیشرفت پژوهشهای زیستفناوری را نیز فراهم خواهد کرد.
انتهای پیام