ලාභ:
- ඇල්ෆා ෆෝල්ඩ් ව්යුහය අනාවැකි pLDDT විශ්වාස ලකුණු සමඟ ඇගයීමට සහ අඩු විශ්වාසනීය කලාප මත පදනම්ව හිමිකම් ඉල්ලීම් වළක්වා ගැනීමේ හැකියාව
- ඩොකින් ලකුණු සාපේක්ෂ ශ්රේණිගත කිරීමක් ලෙස අර්ථ දැක්වීමේ හැකියාව, නිරපේක්ෂ සම්බන්ධතාවයක් නොවේ, සහ පරීක්ෂණාත්මක සම්බන්ධතා මිණුම් සමඟ අපේක්ෂකයින් සත්යාපනය කිරීම
- සංස්ලේෂණය, ස්ථායීතාවය සහ ජෛව ආරක්ෂාව හරහා ඵලදායි අණු යෝජනා පෙරීමේ හැකියාව සහ තීරණාත්මක අනාවැකි තෙත් පරීක්ෂණයට සම්බන්ධ කිරීම
ප්රෝටීනයක් කරන්නේ කුමක්ද යන්න තේරුම් ගැනීමට, එහි ත්රිමාණ හැඩය දැන ගැනීම අවශ්ය වේ; මක්නිසාද ව්යුහය ක්රියාකාරිත්වය තීරණය කරයි - එන්සයිමයේ උත්ප්රේරක සාක්කුව, ප්රතිග්රාහකයේ බන්ධන පෘෂ්ඨය සෑම විටම එහි ත්රිමාන හැඩයෙන් පැන නගී. දශක ගණනාවක් පුරා, ප්රෝටීනයක ව්යුහය හෙළිදරව් කිරීම සඳහා මාස කිහිපයක් අත්හදා බැලීම් සිදු කරන ලදී (X-ray ස්ඵටික විද්යාව, cryo-EM). AlphaFold සහ ඒ හා සමාන AI මාදිලි මෙම පින්තූරය වෙනස් කර ඇත: මිනිත්තු කිහිපයකින් ඉහළ නිරවද්යතාවයකින් ඇමයිනෝ අම්ල අනුපිළිවෙලකින් ප්රෝටීනයක ත්රිමාන ව්යුහය පුරෝකථනය කළ හැකිය. මෙය ජෛව ඉංජිනේරු විද්යාව සඳහා විප්ලවවාදී ය; නමුත් විප්ලවයේ සීමාවන් දැන ගැනීම එය ආරක්ෂිතව භාවිතා කිරීම සඳහා කොන්දේසියකි.
මෙම ඒකකයේදී, ව්යුහය පුරෝකථනය කිරීමේදී AI භාවිතා කරන ආකාරය, අණුක ඩොකින් කිරීම (කුඩා අණුවක් ප්රෝටීනයකට බන්ධනය වන ආකාරය සහ කෙතරම් ප්රබල ලෙස ගණනය කිරීම) සහ අණු සැලසුම් කාර්ය ප්රවාහයන් සඳහා ඔබ ඉගෙන ගනු ඇත; සෑම පියවරකදීම අනාවැකිය අවසන් වන ස්ථානය සහ අත්හදා බැලීම ආරම්භ වන්නේ කොතැනින්ද යන්න ඔබ ඉගෙන ගනු ඇත.
AlphaFold: බලය සහ සීමාව
AlphaFold (ප්රෝටීන් අනුපිළිවෙලකින් ත්රිමාණ ව්යුහය පුරෝකථනය කරන ගැඹුරු ඉගෙනුම් ආකෘතියක්) සෑම අනාවැකියක් සමඟම විශ්වාස ලකුණු (pLDDT - 0 සිට 100 දක්වා වූ අගයක් එක් එක් ඇමයිනෝ අම්ලය සඳහා ආකෘතිය කෙතරම් විශ්වාසද යන්න පෙන්නුම් කරයි) නිපදවයි. ඉහළ pLDDT (>90) සාමාන්යයෙන් විශ්වාසදායකය; පහත් ප්රදේශ (<50) බොහෝ විට අක්රමිකතා සහිත කලාප - ස්ථාවර ව්යුහයක් නොමැති ප්රෝටීන වල නම්යශීලී කොටස් - හෝ ආකෘතිය අවිනිශ්චිත ප්රදේශ වේ. ඇල්ෆාෆෝල්ඩ් දැනගත යුතු සීමාවන් නම්, එය තනි ස්ථිතික ව්යුහයක් (ප්රෝටීන වල චලනය නොවේ), එය ලිගන්ඩ් (ප්රෝටීනයකට බන්ධනය වන කුඩා අණු) හෝ ලෝහ අයන ආචරණයන් ආදර්ශයට නොගනී, එය සෑම විටම විකෘති වල සියුම් බලපෑම ග්රහණය නොකරයි, සහ සංකීර්ණයක් හැදෙයිද යන්න සහතික නොවේ.
අවවාදයයි: AlphaFold යනු පුරෝකථනය කළ කල්පිතයක් මිස පර්යේෂණාත්මක නිර්මාණයක් නොවේ. අඩු pLDDT ප්රදේශ මත පදනම් වූ යාන්ත්රණයකට හිමිකම් කීම හෝ මෙම කලාපවල මත්ද්රව්ය සාක්කුවක් හඳුනා ගැනීම නොමඟ යවන සුළුය. විවේචනාත්මක ව්යුහයන් පර්යේෂණාත්මක ක්රමයක් මගින් තහවුරු කළ යුතුය (ස්ඵටික විද්යාව, ක්රියෝ-EM).
ඩොකින් කිරීම: ඩොකින් කිරීම පුරෝකථනය කිරීම
ඖෂධ සහ එන්සයිම ඉංජිනේරු විද්යාවේ මූලික ප්රශ්නය වනුයේ: "මෙම අණුව මෙම ප්රෝටීනයට බන්ධනය වන්නේද, කෙතරම් ශක්තිමත්ද?" ඩොකින් කිරීම මෙය ගණනය කර ලකුණු කිරීමේ ශ්රිතයක් සමඟ ශ්රේණිගත කරයි - බන්ධන ශක්තිය ඇස්තමේන්තු කරන ආසන්න ගණිතමය ආකෘතියකි. නමුත් ඩොකින් ලකුණු සාපේක්ෂ වන අතර සැබෑ බන්ධන සම්බන්ධතාවය පුරෝකථනය නොකරයි; ව්යාජ ධනාත්මක අනුපාතය ඉහළයි. නව AI මත පදනම් වූ ක්රම මඟින් ඩොකින් කිරීම වේගවත් සහ වඩාත් නිවැරදි කරයි, නමුත් ප්රතිඵලය තවමත් ස්කෑනිං අනුපිළිවෙලකි - පර්යේෂණාත්මක සම්බන්ධතා මැනීම (SPR, ITC වැනි) මගින් සත්යාපනය කර ඇත.
ඉඟිය: නිරපේක්ෂ "බන්ධන/නොබැඳීම" තීරණයක් සඳහා නොව, අත්හදා බැලීමට පෙර අණු දහස් ගණනක් අනුක්රමණය කිරීමට ඩොකින් භාවිතා කරන්න. ඉහළම ලකුණු ලැබූ අණු 50 සංශ්ලේෂණය කිරීම සහ පරීක්ෂා කිරීම අහඹු ලෙස 50 පරීක්ෂා කිරීමට වඩා කාර්යක්ෂම වේ; නමුත් අත්දැකීම් තීරණය කරයි.
අණුක සැලසුම් සහ ජනක ආකෘති
නව ප්රෝටීන් අනුපිළිවෙලවල් හෝ කුඩා අණු "නිර්මාණය" කළ හැකි උත්පාදක ආකෘති-AI හට අපේක්ෂිත ගුණාංග සහිත අපේක්ෂක අණු යෝජනා කළ හැක: වඩා ස්ථායී එන්සයිමයක්, ඉලක්කයකට බැඳෙන නව ඖෂධ පලංචියක්. මෙය ප්රබලයි, නමුත් එහි අන්තරායන් දෙකක් ඇත: ආකෘතිය මඟින් සංස්ලේෂණය කළ නොහැකි (රසායනිකව නිපදවීමට නොහැකි) අණු හෝ යථාර්ථවාදී නොවන අනුපිළිවෙල යෝජනා කළ හැක. ඵලදායි ප්රතිදානයන් සෑම විටම සංස්ලේෂණය, ස්ථායීතාවය සහ ආරක්ෂාව හරහා පෙරීම සිදු වන්නේ එබැවිනි.
කුඩා නඩු තුනක්
නඩුව 1 - ව්යුහය ඇස්තමේන්තුවට මඟ පෙන්වයි. ඉලක්කගත එන්සයිමයේ පර්යේෂණාත්මක ව්යුහයක් නොමැතිව එන්සයිම ඉංජිනේරු කණ්ඩායමක් වැඩ කරමින් සිටියේය. AlphaFold විසින් පුරෝකථනය කරන ලද සක්රීය ස්ථානය වෙත පෙන්වා දුන්නේය - එන්සයිමය රසායනික ප්රතික්රියාව සිදු කරන ප්රදේශය; කණ්ඩායම මෙම කලාපයේ විකෘති 3ක් නිර්මාණය කළේය. අත්හදා බැලීමේ දී, එක් ක්රියාකාරකම් 2.3 ගුණයකින් වැඩි විය. නමුත් විකෘති දෙකක් ක්රියා කළේ නැත - අනාවැකි මෙහෙයවීය, අත්හදා බැලීම තීරණය විය.
නඩුව 2 - අඩු විශ්වාස කලාප උගුල. ඇල්ෆා ෆෝල්ඩ් ව්යුහයේ "සාක්කුවකට" ඖෂධ අමුණන්නට සිසුවෙකුට අවශ්ය විය. pLDDT සිතියම දෙස බැලූ විට, එම ප්රදේශය ලකුණු 38ක් සහිත අඩු ආරක්ෂිත, සමහරවිට අවුල් සහගත ප්රදේශයක් බව ඔහු දුටුවේය. ඩොකින් කිරීම ආරක්ෂිත කලාපයට ගෙන යන ලදී; වැරදි ඉලක්කයකට මාස ගණන් නාස්ති කිරීම වැළකුණා.
නඩුව 3 - සංස්ලේෂණය කළ නොහැකි යෝජනාව. උත්පාදක ආකෘතියක් ඉහළ ලකුණු සහිත ඉලක්කයකට බන්ධනය වන අණු 200 ක් යෝජනා කළේය. රසායනඥයා එය පෙරූ විට, එයින් 40% ක් ප්රායෝගිකව සංස්ලේෂණය කළ නොහැකි බව හෝ අස්ථායී විය හැකි බව සොයා ගත්තේය. ඉතිරි අපේක්ෂක සංචිතය යථාර්ථවාදී වූ පසු, 12 ක් සංස්ලේෂණය කරන ලදී.
පිටපත් කළ හැකි සැකිලි හතරක්
1) AlphaFold ප්රතිදාන අදහස:
ඔබේ භූමිකාව: ව්යුහාත්මක ජීව විද්යාඥයා. මම ඔබට AlphaFold අනාවැකියක pLDDTscore සාරාංශය දෙන්නම්. විශ්වසනීය (>90) සහ සැක සහිත (<50) කලාප වෙන්කර හඳුනා ගන්න. අඩු විශ්වාසනීය කලාප මත පදනම්ව කිසිදු යාන්ත්රණයක් හිමිකම් ස්ථාපිත නොකරන්න. මෙය පර්යේෂණාත්මක ගොඩනැගීමක් නොවන බවත් එය සත්යාපනය කරන්නේ කෙසේද යන්නත් ඔබේ මුද්රණ පිටපතේ ලියන්න.
2) ඩොකින් වැඩ ප්රවාහ සැලැස්ම:
ඔබේ කාර්යභාරය: පරිගණක රසායනඥයා. [ඉලක්ක ප්රෝටීන්] සඳහා කුඩා අණු ඩොකින් කිරීමේ කාර්ය ප්රවාහය විස්තර කරන්න: ප්රෝටීන් සකස් කිරීම, බන්ධන සාක්කු නිර්වචනය, ලිගන්ඩ් සකස් කිරීම, ලකුණු කිරීම, අනුක්රමණය කිරීම. ඩොකින් ලකුණු නිරපේක්ෂ සම්බන්ධතාවයක් නොවන බවත් එය සත්යාපනය කරන්නේ කුමන පර්යේෂණාත්මක ක්රමයකින් (SPR/ITC) බවත් පැහැදිලි කරන්න.
3) විකෘති සැලසුම් සාධාරණීකරණය:
එන්සයිමයක ස්ථායීතාවය වැඩි කිරීම සඳහා විකෘති සඳහා යෝජනා කිරීමට මම කැමතියි. එක් එක් නිර්දේශය සඳහා: ඉලක්ක පිහිටීම, තාර්කිකත්වය (ව්යුහාත්මක තර්කනය) සහ විය හැකි අවදානම (ක්රියාකාරකම් නැතිවීම). මේවා අනුමාන වන අතර සෑම එකක්ම අත්හදා බැලීමෙන් පරීක්ෂා කළ යුතු බව පෙන්වා දෙන්න. යෝජනා 5ක් දක්වා ලබා දී ප්රමුඛත්වය දෙන්න.
4) ඵලදායි ප්රතිදාන පෙරහන:
ජනක ආකෘතියක් මගින් යෝජනා කරන ලද අණු ඇගයීම සඳහා වන නිර්ණායක මට දෙන්න: සංස්ලේෂණය, රසායනික ස්ථායීතාවය, විෂ සහිත අත්සන් (ව්යුහාත්මක අවවාදයන්), අණුක බර සහ ද්රාව්යතාව. එක් එක් නිර්ණායක සඳහා මා "ඉවත් කළ යුතු" එළිපත්ත මට කියන්න. මෙය පෙර පෙරහනකි; අවසාන තීරණය තෙත් රසායනාගාරයට අයත් වේ.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම ප්රෝටීනයට බන්ධනය වන ඖෂධයක් නිර්මාණය කරන්න.
ආරක්ෂාවක් නැත, සංස්ලේෂණයක් නැත, සත්යාපනයක් නැත; AI යථාර්ථවාදී නොවන, සත්යාපනය කළ නොහැකි ප්රතිදානයක් නිපදවයි.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: පරිගණක රසායනඥයා. [ඉලක්ක] ප්රෝටීනයට බැඳීමට හැකියාව ඇති කුඩා අණු පලංචිය සඳහා තිරගත කිරීමේ උපාය මාර්ගයක් (ඩොකින්-පාදක) යෝජනා කරන්න. කොන්ක්රීට් අණු නිපදවන්න එපා; ඒ වෙනුවට පියවරෙන් පියවර විස්තර කරන්නේ කුමන පුස්තකාලය, කුමන සාක්කුව, කුමන ලකුණු කිරීම සහ කුමන ෆිල්ටර භාවිතා කළ යුතුද යන්න සහ එක් එක් අපේක්ෂකයා පර්යේෂණාත්මක සම්බන්ධතාවයකින් වලංගු කරන්නේ කෙසේද යන්න විස්තර කරන්න.
වෙනස: උපාය මාර්ග අවධානය, යථාර්ථවාදී විෂය පථය, පැහැදිලි වලංගුකරණය සහ ආරක්ෂක දැනුවත්භාවය.
ව්යුහගත කාර්ය ප්රවාහය සහ වලංගුකරණය
පියවර
AI දායකත්වය
මායිම
සත්යාපනය
ව්යුහය පුරෝකථනය
AlphaFold 3D ආකෘතිය
ස්ථිතික, ලිගන්ඩ් නොමැතිව
Cryo-EM/crystallography
විශ්වාසනීය තක්සේරුව
pLDDT අදහස
පහත් කලාපය අපැහැදිලියි
ස්වාධීන ආකෘති සංසන්දනය
ඩොකින් කිරීම
ඉක්මන් වර්ග කිරීම
ලකුණු ≠ හිතවත්කම
SPR/ITC මැනීම
විකෘති නිර්මාණය
අපේක්ෂක නිර්දේශය
බලපෑම් ඇස්තමේන්තුව
ක්රියාකාරකම් අත්හදා බැලීම
අණු නිෂ්පාදනය
නව අපේක්ෂකයා
සංශ්ලේෂණය / ස්ථාවරත්වය
රසායනඥ + තෙත් පරීක්ෂණය
අණුක ගතිකත්වය: සක්රිය ව්යුහය
AlphaFold ඔබට තනි, ශීත කළ ඡායාරූපයක් ලබා දෙයි; කෙසේ වෙතත්, ප්රෝටීන යනු නිරන්තරයෙන් චලනය වන, කම්පනය වන, ඒවායේ සාක්කු විවෘත වන සහ වැසෙන යන්ත්ර වේ. අණුක ගතික සමාකරණය (MD—නිව්ටන්ගේ භෞතික විද්යාවේ නියමයන්ට අනුව කාලයත් සමඟ අණුවක පරමාණුවල චලනය පරිගණක ගණනය කිරීම) මෙම චලනය දෘශ්යමාන කරයි: ඖෂධ සාක්කුවක් ඇත්ත වශයෙන්ම විවෘතද, විකෘතියක් නම්යතාවය වෙනස් කරන්නේ කෙසේද, බන්ධනයක් ස්ථායීව පවතීද යන්න. AI MD සැකසුම (බල ක්ෂේත්ර තේරීම, ජල පෙට්ටිය, සමතුලිත පියවර) සැලසුම් කිරීමට සහ ප්රතිඵල සාරාංශ කිරීමට උපකාරී වේ, නමුත් සමාකරණයේ භෞතික වලංගුභාවය (ප්රමාණවත් කාලය, නිවැරදි බල ක්ෂේත්රය) විශේෂඥ විනිශ්චය වේ. කෙටි හෝ නුසුදුසු ලෙස ගොඩනඟන ලද අනුකරණයක් සැබෑ ලෙස පෙනෙන නමුත් භෞතිකව අර්ථ විරහිත ප්රතිඵලයක් නිපදවයි.
ඉඟිය: MD සමාකරණයක ප්රතිඵලය විශ්වාස කිරීමට පෙර, ප්රශ්න දෙකක් අසන්න: සමාකරණය ප්රමාණවත් තරම් දිගුද (පද්ධතිය සමතුලිතතාවයට පැමිණ තිබේද) සහ එය නැවත නැවත කරන විට (වෙනස් ආරම්භක බීජයක් සමඟ) එකම හැසිරීමක් ලබා දෙයිද? තනි, කෙටි සමාකරණයක් පෙන්නුම් කරන්නේ ප්රවණතාවක් මිස සාක්ෂි නොවේ.
පොදු වැරදි
- pLDDT දෙස නොබලා ව්යුහය ස්ථිර යැයි උපකල්පනය කිරීම. අඩු ආරක්ෂිත කලාප මත පදනම් වූ හිමිකම් නොමඟ යවන සුළුය.
- ඩොකින් ලකුණු අනුබද්ධිත මිනුමක් ලෙස වරදවා වටහා ගැනීම. ලකුණු සාපේක්ෂ ය; එය අත්හදා බැලීම අවශ්ය වේ.
- ගතික යථාර්ථයක් සඳහා ස්ථිතික ව්යුහයක් වරදවා වටහා ගැනීම. ප්රෝටීන චලනය; එක් ව්යුහයක් මුළු කතාවම නොකියයි.
- සංස්ලේෂණය කළ නොහැකි අණු සඳහා යෝජනා පිළිගැනීම. නිෂ්පාදන ප්රතිදානය රසායනික පෙරහන හරහා ගමන් කළ යුතුය.
- ආරක්ෂාව/ද්විත්ව භාවිත අන්ධභාවය. විෂ ද්රව්ය හෝ හානිකර නියෝජිතයන් සැලසුම් කිරීම සඳහා ඉල්ලීම් ප්රතික්ෂේප කළ යුතුය.
සාරාංශයකින්
AlphaFold සහ docking යනු ප්රෝටීන් ඉංජිනේරු විද්යාව සහ ඖෂධ සොයාගැනීම වේගවත් කරන ප්රබල AI මෙවලම් වේ; ව්යුහය පුරෝකථනය මග පෙන්වයි, ඩොකින් කිරීම අණු දහස් ගණනක් වර්ග කරයි, ජනක ආකෘති නව අපේක්ෂකයින් යෝජනා කරයි. නමුත් සියල්ලේ ප්රතිදානය උපකල්පනයයි: pLDDT විශ්වාස ලකුණු කියවන්න, ඩොකින් ලකුණු සම්බන්ධතාවය සඳහා වරදවා වටහා නොගන්න, ස්ථිතික ව්යුහය ගතික යථාර්ථය සමඟ පටලවා නොගන්න, සහ එක් එක් විවේචනාත්මක අපේක්ෂකයා පර්යේෂණාත්මකව සත්යාපනය කරන්න. අණු නිර්මාණයේදී සංශ්ලේෂණය, ආරක්ෂාව සහ ද්විත්ව භාවිතය පිළිබඳ දැනුවත්භාවය අත්යවශ්ය වේ.
යෙදුම් කාර්යය
AlphaFold දත්ත ගබඩාවෙන් (හෝ සබැඳි සේවාදායකයකින්) ප්රසිද්ධියේ ලබාගත හැකි ප්රෝටීන් අනුපිළිවෙලක් සඳහා ව්යුහාත්මක අනාවැකියක් සොයන්න. pLDDT සිතියම පරීක්ෂා කර ආරක්ෂිත සහ සැක සහිත කලාප වෙන් කරන්න. ඉන්පසු මෙම ප්රෝටීනයේ සක්රිය වෙබ් අඩවිය පිළිබඳව AI අදහස් දක්වන්න සහ එය කරන සෑම හිමිකම් පෑමක්ම pLDDT සිතියම සමඟ සසඳන්න: හිමිකම් පෑම අඩු විශ්වාසයක් සහිත කලාපයක් මත පදනම් වී තිබේද? එක් ඡේදයකින් ප්රතිඵලය ඇගයීම.
පිරික්සුම් ලැයිස්තුව
- [ ] මම pLDDT විශ්වාස ලකුණු සමඟ ව්යුහ අනාවැකිය ඇගයීමට ලක් කළෙමි.
- [ ] මම අඩු විශ්වාසනීය කලාප මත පදනම් වූ හිමිකම් වලින් වැළකී සිටිමි.
- [ ] මම ඩොකින් ලකුණු අර්ථකථනය කළේ සාපේක්ෂ ශ්රේණිගත කිරීමක් ලෙස මිස නිරපේක්ෂ සම්බන්ධතාවයක් ලෙස නොවේ.
- [ ] ස්ථිතික ව්යුහය ගතික හැසිරීම් නියෝජනය නොකරන බව මම නිරීක්ෂණය කළෙමි.
- [ ] මම සංස්ලේෂණය සහ ආරක්ෂාව හරහා නිෂ්පාදන අණු යෝජනා පෙරහන් කළෙමි.
- [ ] මම එක් එක් විවේචනාත්මක පුරෝකථනය පර්යේෂණාත්මක සත්යාපන සැලැස්මකට සම්බන්ධ කළෙමි.