به گزارش ایرنا از ساینس‌دیلی، دانشمندان استرالیایی با ایجاد پروتئین‌های کشنده باکتری‌ها به کمک هوش مصنوعی، به این مرزهای جدید زیست‌پزشکی پیوسته‌اند. پلتفرم جدید آنها که توسط تیمی از زیست‌شناسان و دانشمندان کامپیوتر ساخته شده، بخشی از جنبش جهانی برای تسریع طراحی پروتئین برای دستیابی به پیشرفت‌های پزشکی است. هوش مصنوعی در چند ثانیه، پروتئین‌هایی می‌سازد که با سرطان و مقاومت آنتی بیوتیکی مبارزه می‌کنند.
هوش مصنوعی در حال دگرگون کردن روش تولید پروتئین‌هاست و به محققان استرالیایی امکان داده تا با استفاده از مولکول‌های تولید شده در آزمایشگاه که در چند ثانیه ساخته می‌شوند (به جای سال‌ها و حتی دهه‌ها کار تحقیقاتی و آزمایشگاهی)، ابرمیکروب‌ها را از بین ببرند.
در سال گذشته، شاهد افزایش چشمگیر پروتئین‌های طراحی شده توسط هوش مصنوعی بوده‌ایم که در نهایت برای درمان طیف وسیعی از بیماری‌ها - از مارگزیدگی گرفته تا سرطان - مورد استفاده قرار خواهند گرفت.
برای اولین بار، دانشمندان استرالیایی از هوش مصنوعی برای تولید یک پروتئین زیستی آماده استفاده بهره گرفته‌اند - در این مورد، پروتئینی که می‌تواند باکتری‌های مقاوم به آنتی‌بیوتیک مانند E. coli را از بین ببرد. این مطالعه که در Nature Communications منتشر شده، راه‌حل جدیدی برای مقابله با بحران فزاینده ناشی از ابرمیکروب‌های مقاوم به آنتی‌بیوتیک ارائه می‌دهد.
با این دستاورد، استرالیا به جمع کشورهایی مانند ایالات متحده و چین پیوسته که پلتفرم‌های هوش مصنوعی قادر به تولید سریع هزاران پروتئین آماده استفاده را توسعه داده‌اند.
این پیشرفت راه را برای توسعه سریع‌تر و مقرون‌به‌صرفه‌تر داروها و روش‌های تشخیصی هموار می‌کند که می‌تواند تحقیقات زیست‌پزشکی و مراقبت از بیماران را متحول کند.
این مقاله توسط دکتر ریس گرینتر و دانشیار گاوین نات (برنده بورسیه اسنو مدیکال) که برنامه جدید طراحی پروتئین با هوش مصنوعی را در دانشگاه ملبورن و مؤسسه کشف زیست‌پزشکی موناش رهبری می‌کنند، هدایت شده است.
به گفته این محققان، پلتفرم طراحی پروتئین هوش مصنوعی مورد استفاده در این پژوهش اولین نمونه در استرالیا است که مدل کاری دیوید بیکر (برنده جایزه نوبل شیمی سال گذشته) را پیاده‌سازی می‌کند.
دانشیار نات می‌گوید: این پروتئین‌ها اکنون به عنوان دارو، واکسن، نانومواد و حسگرهای کوچک در حال توسعه هستند.
وی می‌افزاید: این برنامه توسط تیمی از زیست‌شناسان ساختاری و دانشمندان کامپیوتر اداره می‌شود که درک جامعی از فرآیند طراحی دارند. این دانش عمیق از ساختار پروتئین و یادگیری ماشین، ما را به برنامه‌ای بسیار چابک تبدیل کرده است.
دکتر گرینتر خاطرنشان می‌کند: روش‌های جدید یادگیری عمیق امکان طراحی کارآمد پروتئین‌های جدید با ویژگی‌ها و عملکردهای خاص را فراهم می‌آورند که هزینه‌ها را کاهش و توسعه پروتئین‌های نوین را تسریع می‌بخشد.
- 17
- 6
