گوگل دیپ‌مایند با استفاده از هوش مصنوعی آنتی‌گراویتی، نامزد جدیدی برای یک پپتید ضدمیکروبی شناسایی کرد
پژوهشگران گوگل دیپ‌مایند با استفاده از گوگل آنتی‌گراویتی، پلتفرم توسعه مبتنی بر هوش مصنوعی این شرکت، نامزد یک پپتید ضدمیکروبی را شناسایی کرده‌اند که پیش‌تر مشخصه‌های آن بررسی نشده بود. این دستاورد نشان می‌دهد عامل‌های هوش مصنوعی چگونه می‌توانند با پیوند دادن ابزارهای پژوهشی مختلف در یک فرایند کاری واحد، به کشفیات علمی کمک کنند.
پیش‌بینی می‌شود این پپتید علیه عوامل بیماری‌زای مرتبط با عفونت‌های دستگاه تنفسی فعالیت داشته باشد. این نامزد در جریان یک نشست تعاملی شناسایی شد؛ در این فرایند، پژوهشگر مسیر بررسی علمی را هدایت می‌کرد و آنتی‌گراویتی جست‌وجو در پایگاه‌های داده، تحلیل پروتئین‌ها و بررسی منابع علمی موجود را بر عهده داشت.
این کشف هنوز در مرحله محاسباتی است. این پپتید، به همراه چند نامزد دیگر که با همین روش شناسایی شده‌اند، اکنون در مرحله اعتبارسنجی آزمایشگاهی قرار دارد تا مشخص شود آیا نتایج پیش‌بینی‌شده در آزمایش‌های تجربی نیز تأیید می‌شوند یا خیر.
گوگل دیپ‌مایند در حال گسترش کاربردهای آنتی‌گراویتی فراتر از برنامه‌نویسی است و مدل‌های جمینای را با ابزارهای تخصصی علمی، از جمله آلفافولد و آلفاجنوم، ترکیب می‌کند.
پوشمیت کوهلی، دانشمند ارشد گوگل کلاد و معاون بخش علوم در گوگل دیپ‌مایند، در پستی در لینکدین به سرعت این فرایند اشاره کرد:
«برای نمونه، دانشمندان ما که روی مقاومت ضدمیکروبی کار می‌کنند، در یک نشست واحد با استفاده از آنتی‌گراویتی، نامزد یک پپتید ضدمیکروبی جدید را شناسایی کردند.»
چگونه آنتی‌گراویتی از میان میلیون‌ها پروتئین به یک نامزد بالقوه رسید؟
این پژوهش بر پپتیدهای ضدمیکروبی متمرکز بود؛ مولکول‌هایی که به‌طور طبیعی وجود دارند، می‌توانند علیه باکتری‌ها عمل کنند و به‌عنوان جایگزین‌های احتمالی آنتی‌بیوتیک‌های متداول در دست بررسی هستند.
یافتن نامزدهای مناسب مستلزم جست‌وجو در پایگاه‌های داده زیستی عظیم است؛ پایگاه‌هایی که بسیاری از توالی‌های پروتئینی موجود در آن‌ها هنوز از نظر عملکرد زیستی به‌طور دقیق شناسایی نشده‌اند.
گوگل دیپ‌مایند برای کمک به حل این مسئله از مدل ProtNLM، یا «مدل زبان طبیعی پروتئین»، استفاده کرد. این مدل توالی‌های اسیدهای آمینه را بررسی و عملکرد زیستی آن‌ها را پیش‌بینی می‌کند و به این ترتیب اطلاعاتی درباره پروتئین‌هایی ارائه می‌دهد که تاکنون مشخصه‌یابی نشده‌اند.
در فرایند کاری نمایش‌داده‌شده، پژوهشگران از آنتی‌گراویتی خواستند پپتیدهای ضدمیکروبی بالقوه را در گونه Streptococcus pseudopneumoniae بررسی کند.
این سامانه میلیون‌ها مدخل پایگاه‌های داده را به گروه کوچکی از نامزدها محدود کرد و پپتیدی متشکل از ۹۷ اسید آمینه را شناسایی کرد که به خانواده لاکتوکوسین ۹۷۲ تعلق دارد.
تحلیل‌های بعدی شامل مقایسه این نامزد با توالی‌های پروتئینی بازبینی‌شده، بررسی ساختار سه‌بعدی پیش‌بینی‌شده آن با استفاده از داده‌های آلفافولد و مطالعه ژن‌های مجاور برای یافتن شواهد زیستی پشتیبان بود.
اگرچه در این تحلیل هیچ تطابق معناداری میان توالی این پپتید و پروتئین‌هایی که به‌صورت دستی بازبینی شده بودند پیدا نشد، مقایسه ساختاری شباهت‌هایی را با یک باکتریوسین نشان داد که ساختار آن به‌صورت تجربی تعیین شده بود. باکتریوسین نوعی پپتید ضدمیکروبی است که باکتری‌ها تولید می‌کنند.
آنتی‌گراویتی همچنین منابع علمی موجود را بررسی کرد تا فرضیه‌هایی درباره نحوه عملکرد احتمالی این مولکول و عوامل بیماری‌زایی که ممکن است بر آن‌ها اثر بگذارد، تدوین کند.
این یافته‌ها شواهد محاسباتی لازم برای ادامه پژوهش را فراهم می‌کنند، اما ثابت نمی‌کنند که این پپتید نامزد، درمانی ضدمیکروبی مؤثر است.
افزودن نمایشگر سه‌بعدی و اعتبارهای پژوهشی برای توسعه ابزارهای علمی
گوگل دیپ‌مایند هم‌زمان با معرفی این مطالعه موردی، نمایشگر ساختارهای زیست‌مولکولی را نیز به آنتی‌گراویتی افزوده است. این ابزار به پژوهشگران و عامل‌های هوش مصنوعی امکان می‌دهد ساختارهای سه‌بعدی پروتئین‌ها را در یک فضای کاری مشترک بررسی کنند و با آن‌ها تعامل داشته باشند.
این نمایشگر از ساختارهایی پشتیبانی می‌کند که از پایگاه داده ساختار پروتئین آلفافولد بازیابی شده‌اند یا خود پژوهشگران پیش‌بینی کرده‌اند. دانشمندان می‌توانند بخش‌های مشخصی از ساختار را برجسته کنند، یادداشت بگذارند و درباره ویژگی‌های مولکولی خاص از عامل هوش مصنوعی سؤال بپرسند. این تعاملات مستقیماً میان پژوهشگر و سامانه هوش مصنوعی به اشتراک گذاشته می‌شوند.
این شرکت همچنین برنامه‌ای با عنوان اعتبارهای آنتی‌گراویتی برای علم راه‌اندازی کرده است تا از پژوهشگران دانشگاهی استفاده‌کننده از این ابزارها حمایت کند؛ بااین‌حال، اطلاعیه منتشرشده ارزش این اعتبارها یا شرایط دقیق واجد شرایط بودن برای دریافت آن‌ها را مشخص نمی‌کند.
مرحله بعدی پروژه پپتید ضدمیکروبی، اعتبارسنجی تجربی است. پژوهشگران در حال آزمایش نامزد شناسایی‌شده و سایر پپتیدهایی هستند که با همین فرایند به دست آمده‌اند تا مشخص شود آیا فعالیت زیستی پیش‌بینی‌شده آن‌ها در محیط آزمایشگاه نیز قابل اثبات است یا خیر.