به گزارش پایگاه اطلاع رسانی بنیان، آنزیم‌ها کارخانه‌های مولکولی در سلول‌های بیولوژیکی هستند. با این حال، اینکه از کدام بلوک‌های ساختمانی مولکولی برای جمع‌آوری مولکول‌های هدف استفاده می‌کنند، اغلب ناشناخته است و اندازه‌گیری آن دشوار است. یک تیم بین المللی شامل بیوانفورماتیکان از دانشگاه هاینریش هاینه دوسلدورف (HHU) اکنون گام مهمی در این زمینه برداشته است: روش هوش مصنوعی آنها با درجه بالایی از دقت پیش بینی می‌کند که آیا یک آنزیم می‌تواند با یک بستر خاص کار کند یا خیر. آنها اکنون نتایج خود را در مجله علمی Nature Communications ارائه می‌کنند.

آنزیم‌ها

آنزیم‌ها بیوکاتالیست‌های مهمی در تمام سلول‌های زنده هستند: آنها واکنش‌های شیمیایی را تسهیل می‌کنند که از طریق آن تمام مولکول‌های مهم برای ارگانیسم از مواد اساسی (سوبستراها) تولید می‌شوند. اکثر موجودات دارای هزاران آنزیم مختلف هستند که هر یک مسئول واکنش بسیار خاصی هستند. عملکرد جمعی همه آنزیم‌ها متابولیسم را تشکیل می‌دهد و بنابراین شرایط را برای زندگی و بقای ارگانیسم فراهم می‌کند. با وجود اینکه ژن‌هایی که آنزیم‌ها را کد می‌کنند به راحتی قابل شناسایی هستند، ولی هنوز عملکرد دقیق آنزیم حاصل در اکثریت قریب به اتفاق - بیش از 99٪ - موارد ناشناخته است. این به این دلیل است که توصیفات تجربی عملکرد آنها - یعنی. آنزیم خاصی که مولکول‌های شروع کننده را به مولکول های انتهایی بتن تبدیل می‌کند - بسیار وقت گیر است.

پیش بینی سوبسترای آنزیمی

به تازگی گروهی از محققان سوئدی و هندی، یک تیم تحقیقاتی به سرپرستی پروفسور دکتر Martin Lercher از گروه تحقیقاتی زیست‌شناسی سلولی محاسباتی در HHU روشی مبتنی بر هوش مصنوعی را برای پیش‌بینی اینکه آیا آنزیم می‌تواند از یک مولکول خاص به عنوان بستری برای واکنش استفاده کند یا خیر، توسعه داده‌اند. پروفسور لرچر می‌گوید: "ویژگی خاص مدل ESP ما ("پیش بینی سوبسترای آنزیمی") این است که مانند مدل‌های قبلی به آنزیم‌های فردی، خاص و سایر آنزیم‌های نزدیک به آنها محدود نمی‌شویم. مدل کلی ما می‌تواند با هر ترکیبی از یک آنزیم و بیش از 1000 بستر مختلف، کار کند.

کدام بسترها با آنزیم‌ها مطابقت دارند

Alexander Kroll ، نویسنده اصلی این مطالعه، یک مدل به اصطلاح یادگیری عمیق را توسعه داده است که در آن اطلاعات مربوط به آنزیم ها و بسترها در ساختارهای ریاضی موسوم به بردارهای عددی رمزگذاری شده است. بردارهای حدود 18000 جفت آنزیم-سوبسترا تأیید شده تجربی - که در آن آنزیم و بستر با هم کار می‌کنند - به عنوان ورودی برای آموزش مدل یادگیری عمیق استفاده شد. Alexander Kroll می‌گوید: "پس از آموزش مدل به این روش، سپس آن را روی یک مجموعه داده آزمایشی مستقل اعمال کردیم که از قبل پاسخ‌های صحیح را می‌دانستیم. در 91٪ موارد، مدل به درستی پیش‌بینی کرد که کدام بسترها با آنزیم‌ها مطابقت دارند."

کاربردهای پیش بینی عملکرد آنزیم

 این روش طیف گسترده‌ای از کاربردهای بالقوه را ارائه می‌دهد. هم در تحقیقات دارویی و هم در بیوتکنولوژی، دانستن اینکه کدام مواد می‌توانند توسط آنزیم‌ها تبدیل شوند، اهمیت زیادی دارد. پروفسور لرچر می‌گوید: «این امر به تحقیقات و صنعت امکان می‌دهد تا تعداد زیادی از جفت‌های ممکن را به امیدوارکننده‌ترین آن‌ها محدود کنند، که سپس می‌توانند برای تولید آنزیمی داروهای جدید، مواد شیمیایی یا حتی سوخت‌های زیستی استفاده کنند.» کرول می‌افزاید، "همچنین ایجاد مدل‌های بهبود یافته برای شبیه سازی متابولیسم سلول‌ها را امکان پذیر می‌کند. علاوه بر این، به ما کمک می‌کند تا فیزیولوژی موجودات مختلف - از باکتری‌ها گرفته تا انسان‌ها" را درک کنیم.

پایان مطلب/.