การเรียนรู้เชิงลึกในการออกแบบโปรตีนเชิงคำนวณนำไปสู่การพัฒนายาที่ดีขึ้นได้อย่างไร
ในการศึกษาที่ก้าวล้ำซึ่งตีพิมพ์ในวารสาร Nature Communications ในเดือนพฤษภาคม 2023 นักวิจัยจาก Institute for Protein Design แห่งมหาวิทยาลัย Washington และ The Howard Hughes Medical Institute ได้สาธิตวิธีการเรียนรู้เชิงลึกที่ประสบความสำเร็จเพื่อปรับปรุงการออกแบบโปรตีนเชิงคำนวณ นักวิจัยสามารถเพิ่มอัตราความสำเร็จในการจับโปรตีนที่ออกแบบกับโปรตีนเป้าหมายได้เพิ่มขึ้น 19 เท่าโดยการเพิ่มแบบจำลองทางกายภาพตามพลังงานที่มีอยู่ ความก้าวหน้านี้เปิดโอกาสใหม่ๆ ในการพัฒนายา โดยเฉพาะอย่างยิ่งในการออกแบบวิธีการรักษาโรคต่างๆ เช่น มะเร็งและโควิด-XNUMX ที่มีประสิทธิภาพมากขึ้น ทำความเข้าใจเกี่ยวกับความท้าทายในการค้นหาโปรตีน โปรตีน โดยเฉพาะที่เกี่ยวข้องกับโรค มีบทบาทสำคัญในการวิจัยทางการแพทย์ อย่างไรก็ตาม ความซับซ้อนมหาศาลทำให้เกิดความท้าทายอย่างมาก ตัวอย่างเช่น โปรตีนโดยทั่วไปที่ศึกษาในห้องแล็บประกอบด้วยกรดอะมิโน 65 ชนิด และมีกรดอะมิโนให้เลือก 20 ชนิดในแต่ละตำแหน่ง จึงมี 65 ชนิดที่มีกำลังรวม 20 ชนิดรวมกัน ซึ่งเกินจำนวนอะตอมโดยประมาณในเอกภพ พื้นที่การค้นหาที่กว้างใหญ่นี้ทำให้วิธีการออกแบบโปรตีนแบบดั้งเดิมใช้ไม่ได้ บทบาทของการเรียนรู้เชิงลึก การเรียนรู้เชิงลึกซึ่งเป็นส่วนย่อยของปัญญาประดิษฐ์ ใช้อัลกอริทึมของคอมพิวเตอร์เพื่อวิเคราะห์รูปแบบในข้อมูลและแยกคุณลักษณะระดับสูงออกจากข้อมูลดิบ ในการศึกษานี้ นักวิจัยใช้การเรียนรู้เชิงลึกเพื่อเรียนรู้การเปลี่ยนแปลงซ้ำๆ ของลำดับและโครงสร้างโปรตีน โดยผสานเข้ากับแบบจำลองที่มีความแม่นยำสูงอย่างรวดเร็ว ด้วยการผสมผสานวิธีการเรียนรู้เชิงลึก ทีมงานจึงประเมินคุณภาพของส่วนต่อประสานที่เกิดพันธะไฮโดรเจนและปฏิสัมพันธ์ที่ไม่ชอบน้ำ แทนที่จะพยายามระบุพลังงานทั้งหมดทีละรายการ โปรโตคอลการออกแบบตัวยึดโปรตีน De Novo เสริมการเรียนรู้เชิงลึก นักวิจัยได้พัฒนาไปป์ไลน์เสริม AI สำหรับการออกแบบโปรตีนที่ผสานรวมเครื่องมือการเรียนรู้เชิงลึก เช่น AlphaFold 2 และ RoseTTA fold พวกเขาใช้ซูเปอร์คอมพิวเตอร์ Frontera อันทรงพลังซึ่งได้รับทุนสนับสนุนจาก National Science Foundation เพื่อทำให้วิถีการออกแบบโปรตีนเป็นแบบขนาน ซึ่งเพิ่มประสิทธิภาพการคำนวณอย่างมาก โปรแกรมเชื่อมต่อ RifDock สร้าง แท่นวาง โปรตีนหลายล้านอันซึ่งแสดงถึงปฏิสัมพันธ์ระหว่างโครงสร้างโปรตีนที่อาจถูกผูกไว้ จากนั้นด็อคเหล่านี้จะถูกแบ่งออกเป็นส่วนย่อยๆ และกำหนดให้กับโหนดคอมพิวเตอร์ของ Frontera เพื่อประมวลผล การปรับปรุงประสิทธิภาพการคำนวณ ทีมยังใช้เครื่องมือซอฟต์แวร์ ProteinMPNN ซึ่งพัฒนาโดย Institute for Protein Design ซึ่งเพิ่มประสิทธิภาพการคำนวณในการสร้างลำดับโปรตีนโดยใช้โครงข่ายประสาทเทียมมากกว่า 200 เท่าเมื่อเทียบกับวิธีการก่อนหน้านี้ ข้อมูลและการตรวจสอบการทดลอง ข้อมูลการสร้างแบบจำลองที่ใช้ในการศึกษาได้มาจากข้อมูลการจับการแสดงผลพื้นผิวของยีสต์ที่รวบรวมโดยสถาบันเพื่อการออกแบบโปรตีน นักวิจัยได้แสดงโปรตีนที่ออกแบบไว้บนผิวเซลล์ของยีสต์ด้วยการรวมสาย DNA ต่างๆ เข้ากับยีสต์ ทำให้พวกมันสามารถจัดเรียงเซลล์ตามความสามารถในการจับตัวกัน อัตราความสำเร็จของโครงสร้างที่ออกแบบจับกับโปรตีนเป้าหมายได้รับการตรวจสอบจากการทดลองและเพิ่มขึ้นสิบเท่า แม้ว่าผลการศึกษาจะแสดงให้เห็นถึงความก้าวหน้าที่สำคัญ แต่นักวิจัยก็ยอมรับว่ายังมีงานอีกมากที่ต้องทำ พวกเขาตั้งเป้าที่จะเพิ่มอัตราความสำเร็จให้ดียิ่งขึ้น โดยเฉพาะอย่างยิ่งเมื่อต้องรับมือกับเป้าหมายที่ท้าทายมากขึ้น เช่น ไวรัสและตัวรับ T-cell ของมะเร็ง เพื่อให้บรรลุเป้าหมายนี้ พวกเขาวางแผนที่จะเพิ่มประสิทธิภาพเครื่องมือซอฟต์แวร์และสำรวจกลยุทธ์การสุ่มตัวอย่างที่เพิ่มขึ้น การรวมวิธีการเรียนรู้เชิงลึกที่ประสบความสำเร็จเข้ากับการออกแบบโปรตีนเชิงคำนวณเป็นหนทางที่มีแนวโน้มสำหรับการปฏิวัติการพัฒนายา ด้วยการใช้ประโยชน์จากเทคโนโลยี AI และซูเปอร์คอมพิวเตอร์ทรงพลังอย่างฟรอนเตรา นักวิจัยได้ปลดล็อกความเป็นไปได้ใหม่ๆ ในการทำความเข้าใจโปรตีนและออกแบบยาที่มีประสิทธิภาพมากขึ้นในการต่อต้านโรคต่างๆ เช่น มะเร็งและโควิด-19 เมื่อความก้าวหน้าของ AI ดำเนินต่อไป อนาคตก็มีศักยภาพมากขึ้นในการเปลี่ยนแปลงสาขาการแพทย์และช่วยชีวิตผู้คนนับไม่ถ้วนด้วยการรักษาที่ได้รับการปรับปรุง









