Şeffild və AstraZeneca Universitetinin tədqiqatçıları tərəfindən hazırlanmış süni intellekt yanaşması yeni müalicələr üçün lazım olan zülalların dizaynını asanlaşdıra bilər.

“Nature Machine Intelligence ” jurnalında dərc olunmuş araşdırmalarında Şeffild kompüter alimləri AstraZeneca və Southampton Universiteti ilə əməkdaşlıq edərək, zülalların tərs qatlanmasında mövcud ən müasir metodlardan daha dəqiq olmaq potensialını göstərən yeni maşın öyrənmə çərçivəsi hazırladılar.

Tərs protein qatlanması yeni zülalların yaradılması üçün kritik bir prosesdir. İstənilən 3D zülal strukturuna qatlanan və zülalın spesifik funksiyaları yerinə yetirməsinə imkan verən zülalların tikinti blokları olan amin turşusu ardıcıllığının müəyyən edilməsi prosesidir .

Protein mühəndisliyi bədəndəki xüsusi hədəflərə bağlana bilən zülalları dizayn edərək dərmanların inkişafında mühüm rol oynayır . Bununla belə, proses zülal qatlanmasının mürəkkəbliyi və amin turşusu ardıcıllığının funksional strukturlar yaratmaq üçün necə qarşılıqlı təsir göstərəcəyini proqnozlaşdırmaqda çətinlik çəkdiyi üçün çətin olur.

Elm adamları hansı amin turşusu ardıcıllığının sabit, funksional protein strukturlarına qatlanacağını daha dəqiq proqnozlaşdırmaq üçün maşın öyrənməsinə müraciət ediblər. Bu modellər tərs qatlama proqnozlarını təkmilləşdirmək üçün məlum zülal ardıcıllığı və strukturlarının böyük verilənlər bazası üzərində öyrədilir .

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1750136828&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-06-machine-method-accuracy-inverse-protein.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM3LjAuNzE1MS4xMDQiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNy4wLjcxNTEuMTA0Il0sWyJDaHJvbWl1bSIsIjEzNy4wLjcxNTEuMTA0Il0sWyJOb3QvQSlCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1750136828530&bpp=3&bdt=169&idt=-M&shv=r20250612&mjsv=m202506100101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1750136773%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1750136773%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1750136773%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0&nras=1&correlator=5388704390434&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1765&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31092960%2C95353387%2C95362655%2C31092948%2C42533294%2C95344790%2C95362796%2C95359265%2C95362802%2C95363076%2C31091638&oid=2&pvsid=432819674832827&tmod=481841775&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=154

Şeffild, AstraZeneca və Sauthempton Universitetindən olan MapDiff adlı yeni maşın öyrənmə çərçivəsi simulyasiya edilmiş testlərdə uğurlu proqnozlar verməkdə ən müasir süni intellektdən üstün olub. Nəticələr texnologiyanı daha da inkişaf etdirmək üçün perspektivli əsasdır və bu, uğurlu olarsa, yeni peyvəndlər və gen terapiyaları və digər terapevtik üsullar hazırlamaq üçün lazım olan əsas zülalların dizaynını sürətləndirə bilər.

O, həmçinin zülal qatından başlayaraq potensial amin turşusu ardıcıllığını əldə edərək yanaşmanı tərsinə çevirərək zülalın 3D strukturunu proqnozlaşdıran AlphaFold kimi digər son nailiyyətləri tamamlayır.

Şeffild Universitetində Maşın Öyrənmə professoru və tədqiqatın müvafiq müəllifi Haiping Lu dedi: “Bu iş, arzu olunan strukturlara malik zülalların dizaynı üçün süni intellektdən istifadədə irəliyə doğru atılmış əhəmiyyətli bir addımdır. Xüsusi 3D strukturlara qatlana bilən amin turşusu ardıcıllığının necə yaradılacağını öyrənməklə, metodumuz müxtəlif zülallarda istifadə olunan yeni tətbiqlər, zülallar üçün yeni tətbiqlər yaratmaq üçün yeni imkanlar açır. Süni intellektin biologiyada belə fundamental problemin öhdəsindən gəlməsində bizə kömək etdiyini görmək çox həyəcanvericidir”.

Peizhen Bai, AstraZeneca-nın Maşın Öyrənməsi üzrə Baş Elmi, fəlsəfə doktoru elminin bir hissəsi kimi süni intellekt yaratmışdır. Şeffild Universitetinin Kompüter Elmləri Məktəbində dedi: “Ph.D. zamanı məni süni intellektin bioloji kəşfləri sürətləndirmək potensialı motivasiya etdi. Mən qürur duyuram ki, bizim MapDiff metodumuz arzu olunan 3D strukturlara daxil olmaq ehtimalı daha yüksək olan zülal ardıcıllığını dizayn etməyə kömək edir.

Daha çox məlumat: Peizhen Bai və digərləri, Maska ilə əvvəlcədən idarə olunan denoising diffusion tərs protein qatlanmasını yaxşılaşdırır, Nature Machine Intelligence (2025). DOI: 10.1038/s42256-025-01042-6

Jurnal məlumatı: Nature Machine Intelligence 

Şeffild Universiteti tərəfindən təmin edilmişdir