புரத அமைப்பு மற்றும் மூலக்கூறு மாடலிங்: ஆல்பாஃபோல்ட், டாக்கிங் மற்றும் மாலிகுலர் டிசைன்

ஆதாயங்கள்:

• pLDDT நம்பிக்கை மதிப்பெண்ணுடன் AlphaFold கட்டமைப்பு கணிப்புகளை மதிப்பிடும் திறன் மற்றும் குறைந்த நம்பிக்கையுள்ள பகுதிகளின் அடிப்படையில் உரிமைகோரல்களைத் தவிர்ப்பது
• நறுக்குதல் மதிப்பெண்ணை முழுமையான தொடர்பு அல்ல, ஒப்பீட்டு தரவரிசை என்று விளக்கும் திறன் மற்றும் சோதனை சார்பு அளவீடு மூலம் வேட்பாளர்களை சரிபார்க்கும் திறன்
• உற்பத்தி மூலக்கூறு பரிந்துரைகளை ஒருங்கிணைப்பு, நிலைப்புத்தன்மை மற்றும் உயிர் பாதுகாப்பு மூலம் வடிகட்டுதல் மற்றும் ஈரமான சோதனையுடன் முக்கியமான கணிப்புகளை இணைக்கும் திறன்

ஒரு புரதம் என்ன செய்கிறது என்பதைப் புரிந்து கொள்ள, அதன் முப்பரிமாண வடிவத்தை அறிந்து கொள்வது அவசியம்; ஏனெனில் கட்டமைப்பு செயல்பாட்டை தீர்மானிக்கிறது - ஒரு நொதியின் வினையூக்கி பாக்கெட், ஒரு ஏற்பியின் பிணைப்பு மேற்பரப்பு எப்போதும் அதன் முப்பரிமாண வடிவத்திலிருந்து எழுகிறது. பல தசாப்தங்களாக, ஒரு புரதத்தின் கட்டமைப்பை அவிழ்க்க பல மாதங்கள் சோதனைகள் தேவைப்பட்டன (எக்ஸ்-ரே படிகவியல், கிரையோ-இஎம்). ஆல்பாஃபோல்ட் மற்றும் ஒத்த AI மாதிரிகள் இந்தப் படத்தை மாற்றியுள்ளன: அவை அமினோ அமிலங்களின் வரிசையிலிருந்து ஒரு புரதத்தின் முப்பரிமாண அமைப்பை நிமிடங்களில் அதிக துல்லியத்துடன் கணிக்க முடியும். உயிரி பொறியியலுக்கு இது புரட்சிகரமானது; ஆனால் புரட்சியின் வரம்புகளை அறிவது அதை பாதுகாப்பாக பயன்படுத்துவதற்கான நிபந்தனையாகும்.

இந்த அலகில், கட்டமைப்பு முன்கணிப்பு, மூலக்கூறு நறுக்குதல் (ஒரு சிறிய மூலக்கூறு ஒரு புரதத்துடன் எவ்வாறு மற்றும் எவ்வளவு வலுவாக பிணைக்கிறது என்பதைக் கணக்கிடுதல்) மற்றும் மூலக்கூறு வடிவமைப்பு பணிப்பாய்வுகளில் AI ஐ எவ்வாறு பயன்படுத்துவது என்பதை நீங்கள் கற்றுக் கொள்வீர்கள்; ஒவ்வொரு அடியிலும் கணிப்பு எங்கு முடிகிறது மற்றும் பரிசோதனை தொடங்குகிறது என்பதை நீங்கள் அறிந்து கொள்வீர்கள்.

AlphaFold: சக்தி மற்றும் வரம்பு

ஆல்பாஃபோல்ட் (ஒரு புரத வரிசையிலிருந்து 3D கட்டமைப்பைக் கணிக்கும் ஒரு ஆழமான கற்றல் மாதிரி) ஒவ்வொரு கணிப்பிலும் நம்பிக்கை மதிப்பெண்ணை (pLDDT - 0 முதல் 100 வரையிலான மதிப்பு ஒவ்வொரு அமினோ அமிலத்திற்கும் எவ்வளவு நம்பிக்கையுடன் உள்ளது என்பதைக் குறிக்கிறது) உருவாக்குகிறது. உயர் pLDDT (>90) பொதுவாக நம்பகமானது; குறைந்த பகுதிகள் (<50) பெரும்பாலும் ஒழுங்கற்ற பகுதிகளாகும்-ஒரு நிலையான அமைப்பு இல்லாத புரதத்தின் நெகிழ்வான பகுதிகள் அல்லது மாதிரி நிச்சயமற்ற பகுதிகள். ஆல்பாஃபோல்ட் தெரிந்து கொள்ள வேண்டிய வரம்புகள் என்னவென்றால், அது ஒரு நிலையான கட்டமைப்பை (புரதங்களின் இயக்கம் அல்ல), இது லிகண்ட் (புரதத்துடன் பிணைக்கும் சிறிய மூலக்கூறு) அல்லது உலோக அயனி விளைவுகளை மாதிரியாக்குவதில்லை, இது எப்போதும் பிறழ்வுகளின் நுட்பமான விளைவைப் பிடிக்காது, மேலும் சிக்கலானது உருவாகுமா என்பதற்கு உத்தரவாதம் இல்லை.

எச்சரிக்கை: AlphaFold என்பது ஒரு கணிக்கப்பட்ட கருதுகோள், ஒரு சோதனைக் கட்டமைப்பல்ல. குறைந்த pLDDT உள்ள பகுதிகளின் அடிப்படையில் ஒரு பொறிமுறையைக் கோருவது அல்லது இந்த பிராந்தியங்களில் போதைப்பொருள் பாக்கெட்டை அடையாளம் காண்பது தவறாக வழிநடத்துகிறது. சிக்கலான கட்டமைப்புகள் சோதனை முறை (படிகவியல், கிரையோ-EM) மூலம் உறுதிப்படுத்தப்பட வேண்டும்.

நறுக்குதல்: நறுக்குதலை முன்னறிவித்தல்

மருந்து மற்றும் என்சைம் பொறியியலில் உள்ள அடிப்படைக் கேள்வி: "இந்த மூலக்கூறு இந்த புரதத்துடன் பிணைக்கிறதா, எவ்வளவு வலுவாக?" நறுக்குதல் இதை கணக்கிட்டு, ஒரு மதிப்பெண் செயல்பாடுடன் தரவரிசைப்படுத்துகிறது - பிணைப்பு வலிமையை மதிப்பிடும் தோராயமான கணித மாதிரி. ஆனால் நறுக்குதல் மதிப்பெண்கள் உறவினர் மற்றும் உண்மையான பிணைப்பு உறவை கணிக்கவில்லை; தவறான நேர்மறை விகிதம் அதிகமாக உள்ளது. புதிய AI-அடிப்படையிலான முறைகள் நறுக்குதலை வேகமாகவும் துல்லியமாகவும் ஆக்குகின்றன, ஆனால் முடிவு இன்னும் ஸ்கேனிங் வரிசையாகவே உள்ளது - சோதனை சார்பு அளவீடு (SPR, ITC போன்றவை) மூலம் சரிபார்க்கப்பட்டது.

உதவிக்குறிப்பு: சோதனைக்கு முன் ஆயிரக்கணக்கான மூலக்கூறுகளை வரிசைப்படுத்த நறுக்குதலைப் பயன்படுத்தவும், முழுமையான "பிணைப்பு/பிணைப்பு இல்லை" முடிவுக்காக அல்ல. அதிக மதிப்பெண் பெற்ற 50 மூலக்கூறுகளை ஒருங்கிணைத்து சோதிப்பது, 50ஐ சீரற்ற முறையில் சோதிப்பதை விட மிகவும் திறமையானது; ஆனால் அனுபவம் தீர்மானிக்கிறது.

மூலக்கூறு வடிவமைப்பு மற்றும் உருவாக்கும் மாதிரிகள்

புதிய புரோட்டீன் வரிசைகள் அல்லது சிறிய மூலக்கூறுகளை "வடிவமைக்க"க்கூடிய ஜெனரேட்டிவ் மாடல்கள் - AI, விரும்பிய பண்புகளுடன் கூடிய வேட்பாளர் மூலக்கூறுகளை பரிந்துரைக்கலாம்: மிகவும் நிலையான நொதி, ஒரு இலக்குடன் பிணைக்கும் ஒரு புதிய மருந்து சாரக்கட்டு. இது சக்தி வாய்ந்தது, ஆனால் இது இரண்டு ஆபத்துக்களைக் கொண்டுள்ளது: மாதிரியானது ஒருங்கிணைக்க முடியாத (வேதியியல் ரீதியாக உற்பத்தி செய்ய இயலாது) மூலக்கூறுகள் அல்லது நம்பத்தகாத தொடர்களை பரிந்துரைக்கலாம். அதனால்தான் உற்பத்தி வெளியீடுகள் எப்போதும் ஒருங்கிணைப்பு, நிலைத்தன்மை மற்றும் பாதுகாப்பு மூலம் வடிகட்டப்படுகின்றன.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - கட்டமைப்பானது மதிப்பீட்டை வழிநடத்தியது. ஒரு நொதி பொறியியல் குழு இலக்கு நொதியின் சோதனை அமைப்பு இல்லாமல் வேலை செய்து கொண்டிருந்தது. AlphaFold முன்னறிவிக்கப்பட்ட செயலில் உள்ள தளத்தை சுட்டிக்காட்டினார்-என்சைம் இரசாயன எதிர்வினையை மேற்கொள்ளும் பகுதி; குழு இந்த பகுதியில் 3 பிறழ்வுகளை வடிவமைத்தது. சோதனையில், ஒருவர் செயல்பாட்டை 2.3 மடங்கு அதிகரித்தார். ஆனால் இரண்டு பிறழ்வுகள் வேலை செய்யவில்லை - முன்கணிப்பு வழிநடத்தியது, பரிசோதனை முடிவு.

வழக்கு 2 - குறைந்த நம்பிக்கை மண்டல பொறி. ஒரு மாணவர் AlphaFold அமைப்பில் உள்ள "பாக்கெட்டில்" மருந்துகளை இணைக்க விரும்பினார். pLDDT வரைபடத்தைப் பார்க்கும்போது, ​​அந்தப் பகுதி 38 மதிப்பெண்களுடன் குறைந்த-பாதுகாப்பான, ஒருவேளை ஒழுங்கற்ற பகுதி என்பதைக் கண்டார். நறுக்குதல் பாதுகாப்பான மண்டலத்திற்கு மாற்றப்பட்டது; தவறான இலக்கில் மாதங்களை வீணடிப்பது தடுக்கப்பட்டது.

வழக்கு 3 - ஒருங்கிணைக்க முடியாத முன்மொழிவு. அதிக மதிப்பெண் கொண்ட இலக்குடன் பிணைக்கும் 200 மூலக்கூறுகளை உருவாக்கும் மாதிரி பரிந்துரைத்தது. வேதியியலாளர் அதை வடிகட்டும்போது, ​​​​அதில் 40% நடைமுறையில் ஒருங்கிணைக்க முடியாது அல்லது நிலையற்றதாக இருப்பதைக் கண்டறிந்தார். மீதமுள்ள வேட்பாளர் குழு யதார்த்தமாக மாறியதும், 12 ஒருங்கிணைக்கப்பட்டன.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) AlphaFold வெளியீடு கருத்து:

உங்கள் பங்கு: கட்டமைப்பு உயிரியலாளர். AlphaFold கணிப்புக்கான pLDDTஸ்கோர் சுருக்கத்தை உங்களுக்குத் தருகிறேன். எந்தப் பகுதிகள் நம்பகமானவை (>90) மற்றும் சந்தேகத்திற்குரியவை (<50) என்பதை வேறுபடுத்துங்கள். குறைந்த நம்பிக்கை மண்டலங்களின் அடிப்படையில் எந்த பொறிமுறை உரிமைகோரல்களையும் நிறுவ வேண்டாம். இது ஒரு பரீட்சார்த்த உருவாக்கம் அல்ல என்றும் அதை எவ்வாறு சரிபார்க்கலாம் என்றும் உங்கள் அச்சுப்பொறியில் எழுதவும்.

2) நறுக்குதல் பணிப்பாய்வு திட்டம்:

உங்கள் பங்கு: கணக்கீட்டு வேதியியலாளர். [இலக்கு புரதம்] க்கான சிறிய மூலக்கூறு நறுக்குதல் பணிப்பாய்வுகளை விவரிக்கவும்: புரதம் தயாரித்தல், பைண்டிங் பாக்கெட் வரையறை, தசைநார் தயாரித்தல், ஸ்கோரிங், வரிசைப்படுத்துதல். நறுக்குதல் மதிப்பெண் என்பது முழுமையான தொடர்பு இல்லை என்பதையும், அது எந்த சோதனை முறையில் (SPR/ITC) சரிபார்க்கப்படும் என்பதையும் விளக்கவும்.

3) பிறழ்வு வடிவமைப்பு நியாயப்படுத்தல்:

நொதியின் நிலைத்தன்மையை அதிகரிப்பதற்கான பிறழ்வுகளுக்கான பரிந்துரைகளை நான் விரும்புகிறேன். ஒவ்வொரு பரிந்துரைக்கும்: இலக்கு நிலை, பகுத்தறிவு (கட்டமைப்பு தர்க்கம்) மற்றும் சாத்தியமான ஆபத்து (செயல்பாட்டின் இழப்பு). இவை யூகங்கள் மற்றும் ஒவ்வொன்றும் பரிசோதனை மூலம் சோதிக்கப்பட வேண்டும் என்பதை சுட்டிக்காட்டவும். 5 பரிந்துரைகள் வரை கொடுத்து முன்னுரிமை கொடுங்கள்.

4) உற்பத்தி வெளியீடு வடிகட்டுதல்:

ஒரு உருவாக்கும் மாதிரியால் பரிந்துரைக்கப்பட்ட மூலக்கூறுகளை மதிப்பிடுவதற்கான அளவுகோல்களை எனக்குக் கொடுங்கள்: ஒருங்கிணைப்பு, இரசாயன நிலைத்தன்மை, நச்சுத்தன்மை கையொப்பங்கள் (கட்டமைப்பு எச்சரிக்கைகள்), மூலக்கூறு எடை மற்றும் கரைதிறன். ஒவ்வொரு அளவுகோலுக்கும் நான் "அகற்ற வேண்டும்" என்பதைச் சொல்லுங்கள். இது ஒரு முன் வடிகட்டி; இறுதி முடிவு ஈரமான ஆய்வகத்திற்கு சொந்தமானது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த புரதத்துடன் பிணைக்கும் மருந்தை வடிவமைக்கவும்.

பாதுகாப்பு இல்லை, ஒருங்கிணைப்பு இல்லை, சரிபார்ப்பு இல்லை; AI உண்மையற்ற, சரிபார்க்க முடியாத வெளியீட்டை உருவாக்குகிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: கணக்கீட்டு வேதியியலாளர். [இலக்கு] புரதத்துடன் பிணைக்கக்கூடிய திறன் கொண்ட சிறிய மூலக்கூறு சாரக்கட்டுகளுக்கு ஒரு திரையிடல் உத்தியை (நறுக்குதல் அடிப்படையிலான) முன்மொழியவும். கான்கிரீட் மூலக்கூறுகளை உருவாக்க வேண்டாம்; அதற்கு பதிலாக எந்த நூலகம், எந்த பாக்கெட், எந்த ஸ்கோரிங் மற்றும் எந்த வடிப்பான்களைப் பயன்படுத்த வேண்டும், மற்றும் ஒவ்வொரு வேட்பாளரை சோதனைத் தொடர்புடன் எவ்வாறு சரிபார்க்கலாம் என்பதை படிப்படியாக விவரிக்கவும்.

வித்தியாசம்: மூலோபாய கவனம், யதார்த்தமான நோக்கம், வெளிப்படையான சரிபார்ப்பு மற்றும் பாதுகாப்பு விழிப்புணர்வு.

கட்டமைக்கப்பட்ட பணிப்பாய்வு மற்றும் சரிபார்ப்பு

படி

AI பங்களிப்பு

எல்லை

சரிபார்ப்பு

கட்டமைப்பு முன்கணிப்பு

AlphaFold 3D மாடல்

நிலையான, தசைநார் இல்லாமல்

கிரையோ-இஎம்/கிரிஸ்டலோகிராபி

நம்பிக்கை மதிப்பீடு

pLDDT கருத்து

குறைந்த மண்டலம் தெளிவாக இல்லை

சுயாதீன மாதிரி ஒப்பீடு

நறுக்குதல்

விரைவான வரிசை

மதிப்பெண் ≠ தொடர்பு

SPR/ITC அளவீடு

பிறழ்வு வடிவமைப்பு

வேட்பாளர் பரிந்துரை

தாக்க மதிப்பீடு

செயல்பாடு சோதனை

மூலக்கூறு உற்பத்தி

புதிய வேட்பாளர்

தொகுப்பு/நிலைத்தன்மை

வேதியியலாளர் + ஈரமான சோதனை

மூலக்கூறு இயக்கவியல்: செயல்படுத்தும் அமைப்பு

AlphaFold உங்களுக்கு ஒற்றை, உறைந்த புகைப்படத்தை வழங்குகிறது; இருப்பினும், புரதங்கள் தொடர்ந்து நகரும், அதிர்வுறும், அவற்றின் பைகளைத் திறந்து மூடும் இயந்திரங்கள். மூலக்கூறு இயக்கவியல் உருவகப்படுத்துதல் (MD—நியூட்டனின் இயற்பியல் விதிகளின்படி காலப்போக்கில் ஒரு மூலக்கூறின் அணுக்களின் இயக்கத்தின் கணினிக் கணக்கீடு) இந்த இயக்கத்தைக் காணக்கூடியதாக ஆக்குகிறது: ஒரு மருந்து பாக்கெட் உண்மையில் திறந்திருக்கிறதா, ஒரு பிறழ்வு எவ்வாறு நெகிழ்வுத்தன்மையை மாற்றுகிறது, ஒரு பிணைப்பு நிலையாக இருக்கிறதா. AI ஆனது ஒரு MD அமைப்பைத் திட்டமிடவும் (படை புலத் தேர்வு, நீர்ப் பெட்டி, சமநிலைப் படிகள்) மற்றும் முடிவுகளைச் சுருக்கவும் உதவுகிறது, ஆனால் உருவகப்படுத்துதலின் இயற்பியல் செல்லுபடியாகும் (போதுமான நேரம், சரியான விசைப் புலம்) நிபுணர் தீர்ப்பாகும். ஒரு குறுகிய அல்லது தவறாகக் கட்டமைக்கப்பட்ட உருவகப்படுத்துதல் உண்மையானதாகத் தோன்றும் ஆனால் உடல் ரீதியாக அர்த்தமற்றதாக இருக்கும் முடிவை உருவாக்குகிறது.

உதவிக்குறிப்பு: MD உருவகப்படுத்துதலின் முடிவை நம்புவதற்கு முன், இரண்டு கேள்விகளைக் கேளுங்கள்: உருவகப்படுத்துதல் போதுமானதாக உள்ளதா (கணினி சமநிலையை அடைந்துவிட்டதா) மற்றும் மீண்டும் மீண்டும் (வேறு தொடக்க விதையுடன்) அதே நடத்தையைக் கொடுக்குமா? ஒற்றை, சுருக்கமான உருவகப்படுத்துதல் ஒரு போக்கைக் காட்டுகிறது, ஆதாரம் அல்ல.

பொதுவான தவறுகள்

• pLDDT ஐப் பார்க்காமல் கட்டமைப்பை நிச்சயமானது என்று வைத்துக்கொள்வோம். குறைந்த பாதுகாப்பு மண்டலங்களை அடிப்படையாகக் கொண்ட உரிமைகோரல்கள் தவறானவை.
• நறுக்குதல் மதிப்பெண்ணை ஒரு தொடர்பு அளவீடாக தவறாகப் புரிந்துகொள்வது. மதிப்பெண் உறவினர்; அதற்கு பரிசோதனை தேவை.
• ஒரு நிலையான கட்டமைப்பை மாறும் யதார்த்தமாக தவறாகப் புரிந்துகொள்வது. புரதங்கள் நகரும்; ஒரு கட்டமைப்பு முழு கதையையும் சொல்லாது.
• ஒருங்கிணைக்க முடியாத மூலக்கூறுகளுக்கான பரிந்துரைகளை ஏற்கிறது. உற்பத்தி வெளியீடு இரசாயன வடிகட்டி வழியாக செல்ல வேண்டும்.
• பாதுகாப்பு/இரட்டை பயன்பாட்டு குருட்டுத்தன்மை. நச்சுகள் அல்லது தீங்கு விளைவிக்கும் முகவர்களை வடிவமைப்பதற்கான கோரிக்கைகள் நிராகரிக்கப்பட வேண்டும்.

சுருக்கமாக

ஆல்பாஃபோல்ட் மற்றும் டாக்கிங் ஆகியவை புரோட்டீன் இன்ஜினியரிங் மற்றும் மருந்து கண்டுபிடிப்பை விரைவுபடுத்தும் சக்திவாய்ந்த AI கருவிகள்; கட்டமைப்பு முன்கணிப்பு வழிநடத்துகிறது, நறுக்குதல் ஆயிரக்கணக்கான மூலக்கூறுகளை வரிசைப்படுத்துகிறது, உருவாக்க மாதிரிகள் புதிய வேட்பாளர்களை பரிந்துரைக்கின்றன. ஆனால் எல்லாவற்றின் வெளியீடும் கருதுகோள்: pLDDT நம்பிக்கை மதிப்பெண்களைப் படிக்கவும், நறுக்குதல் மதிப்பெண்ணை இணைப்பிற்காக தவறாகப் புரிந்து கொள்ளாதீர்கள், நிலையான கட்டமைப்பை மாறும் யதார்த்தத்துடன் குழப்ப வேண்டாம், மேலும் ஒவ்வொரு முக்கியமான வேட்பாளரையும் சோதனை முறையில் சரிபார்க்கவும். தொகுப்பு, பாதுகாப்பு மற்றும் இரட்டை பயன்பாட்டு விழிப்புணர்வு மூலக்கூறு வடிவமைப்பில் இன்றியமையாதது.

விண்ணப்ப பணி

AlphaFold தரவுத்தளத்திலிருந்து (அல்லது ஆன்லைன் சேவையகம்) பொதுவில் கிடைக்கும் புரத வரிசைக்கான கட்டமைப்புக் கணிப்பைக் கண்டறியவும். pLDDT வரைபடத்தை ஆய்வு செய்து பாதுகாப்பான மற்றும் சந்தேகத்திற்குரிய பகுதிகளை பிரிக்கவும். இந்த புரதத்தின் செயலில் உள்ள தளத்தில் AI கருத்து தெரிவிக்கவும், அது செய்யும் ஒவ்வொரு உரிமைகோரலையும் pLDDT வரைபடத்துடன் ஒப்பிட்டுப் பார்க்கவும்: உரிமைகோரல் குறைந்த நம்பிக்கைக்குரிய பகுதியை அடிப்படையாகக் கொண்டதா? ஒரு பத்தியில் முடிவை மதிப்பிடுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் pLDDT நம்பக மதிப்பெண்ணுடன் இணைந்து கட்டமைப்பு கணிப்புகளை மதிப்பீடு செய்தேன்.
• [ ] நம்பிக்கை குறைந்த பகுதிகளின் அடிப்படையிலான உரிமைகோரல்களைத் தவிர்த்துவிட்டேன்.
• [ ] நான் நறுக்குதல் மதிப்பெண்ணை ஒப்பீட்டு தரவரிசை என்று விளக்கினேன், முழுமையான தொடர்பு அல்ல.
• [ ] நிலையான அமைப்பு மாறும் நடத்தையைக் குறிக்கவில்லை என்பதை நான் கவனித்தேன்.
• [ ] நான் ஒருங்கிணைத்தல் மற்றும் பாதுகாப்பு மூலம் உற்பத்தி மூலக்கூறு பரிந்துரைகளை வடிகட்டினேன்.
• [ ] ஒவ்வொரு முக்கியமான கணிப்பையும் ஒரு சோதனை சரிபார்ப்பு திட்டத்துடன் இணைத்துள்ளேன்.