பரிணாமத்தின் விளையாட்டு புத்தகத்தில் பயிற்சி பெற்ற AI மருந்து மற்றும் அறிவியல் கண்டுபிடிப்புகளை ஊக்குவிக்கும் புரதங்களை உருவாக்குகிறது

EvoRank எனப்படும் AI முன்னேற்றமானது, உயிரியல் மருத்துவ ஆராய்ச்சி மற்றும் உயிரித் தொழில்நுட்பத்தில் மேலும் பரந்த அளவில் சீர்குலைக்கும் மாற்றத்தை கொண்டு வர AI எவ்வாறு உதவும் என்பதற்கு ஒரு புதிய மற்றும் உறுதியான உதாரணத்தை வழங்குகிறது. இயந்திர கற்றல் பற்றிய சர்வதேச மாநாட்டில் விஞ்ஞானிகள் இந்த வேலையை விவரித்தனர் மற்றும் தொடர்புடைய கட்டுரையை வெளியிட்டனர் இயற்கை தொடர்பு புரதங்களில் பயனுள்ள பிறழ்வுகளை அடையாளம் காண ஒரு பரந்த AI கட்டமைப்பை மேம்படுத்துவது பற்றி.

சிறந்த புரத அடிப்படையிலான உயிரித் தொழில்நுட்பங்களை வடிவமைப்பதில் ஒரு பெரிய தடையாக இருப்பது, குறிப்பிட்ட புரதங்கள் எவ்வாறு செயல்படுகின்றன என்பதைப் புரிந்துகொள்வதற்கும், குறிப்பிட்ட நோக்கங்களுக்காக அவற்றை எவ்வாறு வடிவமைப்பது என்பதைப் புரிந்துகொள்வதற்கும் AI மாதிரிகளுக்குப் போதிய பயிற்சி அளிக்க புரதங்களைப் பற்றிய போதுமான சோதனைத் தரவு உள்ளது. EvoRank உடனான முக்கிய நுண்ணறிவு, ஆழமான காலத்தில் பரிணாம வளர்ச்சியால் உருவாக்கப்பட்ட மில்லியன் கணக்கான புரதங்களின் இயற்கையான மாறுபாடுகளைப் பயன்படுத்துதல் மற்றும் பயோடெக் சவால்களுக்கு வேலை செய்யக்கூடிய தீர்வுகளுக்குத் தேவையான அடிப்படை இயக்கவியலைப் பிரித்தெடுப்பதாகும்.

“இயற்கை 3 பில்லியன் ஆண்டுகளாக புரதங்களை உருவாக்குகிறது, அமினோ அமிலங்களை மாற்றுகிறது அல்லது மாற்றுகிறது மற்றும் உயிரினங்களுக்கு நன்மை பயக்கும்வற்றை வைத்திருக்கிறது” என்று கணினி அறிவியலில் ஆராய்ச்சி விஞ்ஞானியும், டீப் புரோட்டீன் குழுவின் இணைத் தலைவருமான டேனியல் டயஸ் கூறினார். UT இல் கணினி அறிவியல் மற்றும் வேதியியல் வல்லுநர்கள். “நம்மைச் சுற்றி நாம் கவனிக்கும் பரிணாம வளர்ச்சியை எவ்வாறு தரவரிசைப்படுத்துவது என்பதை EvoRank கற்றுக்கொள்கிறது, புரதத்தின் பரிணாமத்தை நிர்ணயிக்கும் கொள்கைகளை வடிகட்டவும், அந்த கொள்கைகளைப் பயன்படுத்தவும், அவை மருந்து உருவாக்கம் மற்றும் தடுப்பூசிகள் உட்பட புதிய புரத அடிப்படையிலான பயன்பாடுகளின் வளர்ச்சிக்கு வழிகாட்டும். பரந்த அளவிலான உயிர் உற்பத்தி நோக்கங்களாக.”

UT ஆனது AI ஆராய்ச்சிக்கான நாட்டின் முன்னணி திட்டங்களில் ஒன்றாகும், மேலும் கணினி அறிவியல் பேராசிரியர் ஆடம் கிளிவன்ஸ் தலைமையிலான தேசிய அறிவியல் அறக்கட்டளையின் நிதியுதவி நிறுவனம் (IFML) ஃபவுண்டேஷன்ஸ் ஆஃப் மெஷின் லேர்னிங் உள்ளது. இன்று, ஆரோக்கியத்திற்கான மேம்பட்ட ஆராய்ச்சி திட்டங்கள் நிறுவனம், லா ஜொல்லா இன்ஸ்டிடியூட் ஃபார் இம்யூனாலஜியுடன் இணைந்து, டீப் புரோட்டீன்கள் மற்றும் தடுப்பூசி தயாரிப்பாளரான மூலக்கூறு உயிரியலின் UT பேராசிரியரான ஜேசன் மெக்லெல்லன் ஆகியோரை உள்ளடக்கிய மானிய விருதை அறிவித்தது. ஹெர்பெஸ் வைரஸை எதிர்த்துப் போராடுவதற்கான தடுப்பூசிகளை உருவாக்குவதற்கான புரோட்டீன் இன்ஜினியரிங் ஆராய்ச்சியில் AI ஐப் பயன்படுத்தத் தொடங்க UT குழு கிட்டத்தட்ட $2.5 மில்லியனைப் பெறும்.

“இயற்கை புரதங்கள் இல்லாத திறன்களைக் கொண்ட புரதங்களை பொறியியல் செய்வது வாழ்க்கை அறிவியலில் தொடர்ச்சியான பெரும் சவாலாகும்” என்று கிளிவன்ஸ் கூறினார். “உருவாக்கும் AI மாதிரிகள் உருவாக்கப்படும் பணியின் வகையாகவும் இது நிகழ்கிறது, ஏனெனில் அவை அறியப்பட்ட உயிர் வேதியியலின் பெரிய தரவுத்தளங்களை ஒருங்கிணைத்து பின்னர் புதிய வடிவமைப்புகளை உருவாக்க முடியும்.”

அமினோ அமிலங்களின் ஒவ்வொன்றின் வரிசையின் அடிப்படையில் புரதங்களின் வடிவம் மற்றும் கட்டமைப்பைக் கணிக்க AI ஐப் பயன்படுத்தும் Google DeepMind இன் AlphaFold போலல்லாமல், டீப் புரோட்டீன்ஸ் குழுவின் AI அமைப்புகள் குறிப்பிட்ட செயல்பாடுகளுக்கு புரதங்களில் மாற்றங்களைச் செய்வது எப்படி என்று பரிந்துரைக்கின்றன. ஒரு புரதத்தை புதிய உயிரி தொழில்நுட்பமாக உருவாக்க முடியும்.

மெக்லெல்லனின் ஆய்வகம் ஏற்கனவே AI-உருவாக்கப்பட்ட வடிவமைப்புகளின் அடிப்படையில் வைரஸ் புரதங்களின் வெவ்வேறு பதிப்புகளை ஒருங்கிணைத்து, அதன் நிலைத்தன்மை மற்றும் பிற பண்புகளை சோதித்து வருகிறது.

“மாடல்கள் மாற்றீடுகளுடன் வந்துள்ளன, நாங்கள் ஒருபோதும் நினைத்திருக்க மாட்டார்கள்” என்று மெக்லெலன் கூறினார். “அவை வேலை செய்கின்றன, ஆனால் அவை நாம் கணித்த விஷயங்கள் அல்ல, எனவே அவை உண்மையில் நிலைப்படுத்துவதற்கு சில புதிய இடத்தைக் கண்டுபிடிக்கின்றன.”

புரோட்டீன் சிகிச்சை முறைகள் பெரும்பாலும் குறைவான பக்க விளைவுகளைக் கொண்டிருக்கின்றன, மேலும் மாற்று வழிகளைக் காட்டிலும் பாதுகாப்பானதாகவும் பயனுள்ளதாகவும் இருக்கும், மேலும் இன்று மதிப்பிடப்பட்ட $400 பில்லியன் உலகளாவிய தொழில்துறை அடுத்த தசாப்தத்தில் 50% க்கும் அதிகமாக வளரும். இருப்பினும், புரத அடிப்படையிலான மருந்தை உருவாக்குவது மெதுவாக, விலை உயர்ந்தது மற்றும் ஆபத்தானது. மருந்து வடிவமைப்பிலிருந்து மருத்துவப் பரிசோதனைகளை முடிப்பது வரையிலான தசாப்த கால பயணத்திற்கு $1 பில்லியன் அல்லது அதற்கும் அதிகமான தொகை தேவைப்படுகிறது. அப்படியிருந்தும், ஒரு நிறுவனத்தின் புதிய மருந்துக்கு உணவு மற்றும் மருந்து நிர்வாகத்திடம் இருந்து ஒப்புதல் பெறுவதற்கான முரண்பாடுகள் 10 இல் 1 மட்டுமே. மேலும் என்ன, சிகிச்சையில் பயனுள்ளதாக இருக்க, புரதங்கள் பெரும்பாலும் மரபணு ரீதியாக வடிவமைக்கப்பட வேண்டும், எடுத்துக்காட்டாக, அவற்றின் நிலைத்தன்மையை உறுதிப்படுத்த. அல்லது மருந்து வளர்ச்சிக்குத் தேவையான அளவில் விளைச்சல் பெற அனுமதிப்பது — மற்றும் ஆய்வகங்களில் உள்ள சிக்கலான சோதனை மற்றும் பிழை ஆகியவை பாரம்பரியமாக இத்தகைய மரபணு பொறியியல் முடிவுகளை ஆணையிடுகின்றன.

EvoRank — அத்துடன் அது உருவாக்கும் தொடர்புடைய UT-உருவாக்கப்பட்ட கட்டமைப்பான ஸ்டேபிலிட்டி ஆரக்கிள் — வணிகரீதியாக மாற்றியமைக்கப்பட்டால், சிறந்த வடிவமைப்புகளை விரைவாக அடைய ஒரு சாலை வரைபடத்துடன், மருந்து வளர்ச்சியில் இருந்து நேரத்தையும் செலவையும் குறைக்க தொழில்துறைக்கு வாய்ப்புகள் கிடைக்கும்.

இயற்கையாக நிகழும் புரத வரிசைகளின் தற்போதைய தரவுத்தளங்களைப் பயன்படுத்தி, EvoRank ஐ உருவாக்கிய ஆராய்ச்சியாளர்கள் அடிப்படையில் வெவ்வேறு உயிரினங்களில் தோன்றும் ஒரே புரதத்தின் வெவ்வேறு பதிப்புகளை வரிசைப்படுத்தினர் – நட்சத்திர மீன் முதல் ஓக் மரங்கள் வரை மனிதர்கள் வரை – அவற்றை ஒப்பிட்டனர். புரதத்தில் கொடுக்கப்பட்ட எந்த நிலையிலும், பரிணாம வளர்ச்சியின் பல வேறுபட்ட அமினோ அமிலங்களில் ஒன்று இருக்கலாம், இயற்கையானது 36% அமினோ அமிலம் டைரோசின், 29% நேரம் ஹிஸ்டைடின், 14% ஆகியவற்றைத் தேர்ந்தெடுப்பது. காலத்தின் லைசின் — மேலும் முக்கியமாக ஒருபோதும் லியூசின். தற்போதுள்ள தரவுகளின் இந்த தங்கச் சுரங்கத்தைப் பயன்படுத்துவது புரத பரிணாமத்தில் ஒரு அடிப்படை தர்க்கத்தை வெளிப்படுத்துகிறது. புரோட்டீனின் செயல்பாட்டைக் கொல்லும் வகையில் பரிணாமம் தெரிவிக்கும் விருப்பங்களை ஆராய்ச்சியாளர்கள் நாக் அவுட் செய்யலாம். புதிய இயந்திர கற்றல் வழிமுறையைப் பயிற்றுவிக்க குழு இதையெல்லாம் பயன்படுத்துகிறது. தொடர்ச்சியான பின்னூட்டத்தின் அடிப்படையில், புரதங்களை உருவாக்கும்போது கடந்த காலத்தில் எந்த அமினோ அமில இயல்பு தேர்ந்தெடுக்கப்பட்டது என்பதை மாதிரி கற்றுக்கொள்கிறது, மேலும் இது இயற்கையில் நம்பத்தகுந்தவை மற்றும் எது இல்லை என்பதை அதன் புரிதலை அடிப்படையாகக் கொண்டது.

டயஸ் அடுத்ததாக EvoRank இன் “மல்டிகோலம்” பதிப்பை உருவாக்க திட்டமிட்டுள்ளார், இது ஒரே நேரத்தில் பல பிறழ்வுகள் ஒரு புரதத்தின் கட்டமைப்பு மற்றும் நிலைத்தன்மையை எவ்வாறு பாதிக்கிறது என்பதை மதிப்பிட முடியும். ஒரு புரதத்தின் அமைப்பு அதன் செயல்பாட்டுடன் எவ்வாறு தொடர்புடையது என்பதைக் கணிக்க புதிய கருவிகளை உருவாக்கவும் அவர் விரும்புகிறார்.

Klivans மற்றும் Diaz தவிர, கணினி அறிவியல் பட்டதாரி மாணவர் Chengyue Gong மற்றும் UT முன்னாள் மாணவர் ஜேம்ஸ் M. Loy இரண்டு படைப்புகளையும் இணைந்து எழுதியுள்ளனர். Tianlong Chen மற்றும் Qiang Liu ஆகியோரும் EvoRank இல் பங்களித்தனர்; Jeffrey Ouyang-Zhang, David Yang, Andrew D. Ellington மற்றும் Alex G. Dimakis ஆகியோர் ஸ்டேபிலிட்டி ஆரக்கிளுக்கு கூடுதலாக பங்களித்தனர். இந்த ஆராய்ச்சிக்கு NSF, பாதுகாப்பு அச்சுறுத்தல் குறைப்பு நிறுவனம் மற்றும் வெல்ச் அறக்கட்டளை நிதியளித்தன.