پایگاه داده آلفافولد «ویروسی» شد

پایگاه داده‌ای که ساختارهای پیش‌بینی‌شده تقریبا تمامی پروتئین‌های شناخته‌ شده روی زمین را در خود جای داده، اکنون در حال ارتقاء است تا یکی از ناشناخته‌ترین و مرگبارترین گروه‌های موجودات زنده را بهتر پوشش دهد: ویروس‌ها. 

به گزارش ایسنا، پژوهشگران امروز بیش از هشت هزار دایمر پروتئینی ویروسی یعنی جفت‌هایی از مولکول‌های پروتئینی که با یکدیگر برهم‌کنش دارند را به پایگاه داده ساختار پروتئین آلفافولد (AlphaFold) اضافه کردند. این پایگاه، پیش‌بینی‌هایی از ساختار سه‌بعدی پروتئین‌ها را در خود دارد که با استفاده از ابزار هوش مصنوعی آلفافولد۲ تولید شده‌اند و به‌ صورت عمومی در دسترس قرار گرفته‌اند.

به نقل از نیچر، پروتئین‌های اضافه‌شده متعلق به ۲۳ خانواده ویروسی هستند که همگی شامل گونه‌هایی هستند که می‌توانند انسان را آلوده کنند. این داده‌ها بخشی از راه‌اندازی یک «درگاه آمادگی در برابر همه‌گیری» در پایگاه داده آلفافولد است؛ پایگاهی که به‌طور گسترده مورد استفاده قرار می‌گیرد و دسترسی به آن رایگان است.

اوایل امسال، پژوهشگران ساختارهای پیش‌بینی‌شده ۱.۷ میلیون جفت پروتئینِ برهم‌کنش‌ کننده را از ۲۰ جاندار که به‌ طور گسترده مورد مطالعه قرار گرفته‌اند، از جمله انسان، موش و باکتری عامل سل، به این پایگاه اضافه کردند. این نخستین بار بود که ترکیبات پروتئینی مانند آنزیم‌هایی که از دو رشته پروتئینی یکسان تشکیل شده‌اند، وارد پایگاه داده آلفافولد می‌شدند.

این پایگاه توسط مؤسسه اروپایی زیست‌شناسی مولکولی مؤسسه بیوانفورماتیک اروپا (EMBL-EBI) در هینکستون بریتانیا نگهداری می‌شود.

جو گروو، ویروس‌شناس مولکولی در دانشگاه گلاسگو در بریتانیا که در این پروژه برای افزودن ترکیبات ویروسی مشارکت داشته، می‌گوید: بسیاری از پروتئین‌های ویروسی به‌ تنهایی عمل نمی‌کنند، بلکه همراه با پروتئین‌های دیگر فعالیت می‌کنند.

اگرچه این پایگاه داده که بیش از سه میلیون کاربر دارد، ساختارهای پیش‌بینی‌ شده بیشتر پروتئین‌های شناخته‌ شده را در خود جای داده است، اما به گفته گروو، ویروس‌ها تاکنون یک نقطه کور در این پایگاه بوده‌اند.

برای بسیاری از پروتئین‌های ویروسی، از جمله پروتئین‌های موجود در فلاوی‌ ویروس‌ها که ویروس‌های زیکا و دنگی را نیز شامل می‌شوند، اطلاعات باکیفیت کافی وجود نداشته است.

دلیل این مسئله به نحوه تکثیر برخی ویروس‌ها بازمی‌گردد. هنگامی که بعضی ویروس‌ها تکثیر می‌شوند، مولکول‌های آران‌ای آن‌ها ابتدا به چیزی به نام پلی‌پروتئین (polyprotein) ترجمه می‌شوند و سپس این پلی‌پروتئین به مولکول‌های منفرد و دارای عملکردهای مختلف بریده می‌شود.

در نتیجه، همیشه از روی توالی ژنتیکی ویروس مشخص نیست که یک پروتئین ویروسی دقیقا از کجا شروع و در کجا تمام می‌شود؛ مسئله‌ای که می‌تواند به پیش‌بینی‌های ناقص درباره ساختار پروتئین منجر شود.

برای حل این مشکل، پژوهشگران موسسه سوئیسی بیوانفورماتیک در ژنو، توالی‌های دقیق هزاران پروتئین ویروسی را که از پلی‌پروتئین‌ها جدا می‌شوند، شناسایی کردند.

در مجموع، گروو و پژوهشگرانی از سازمان‌های مختلف در سراسر جهان، توالی ۴۱ هزار و ۷۷۴ پروتئین از حدود ۲۸۰۰ ویروس را بررسی کردند؛ از جمله ویروس‌هایی که باعث ام‌پاکس (mpox)، سرخک و هپاتیت B می‌شوند.

با استفاده از این توالی‌ها، پژوهشگران به کمک آلفافولد ۲ ساختار ۴۰ هزار و ۷۴۶ همودایمر (homodimer) یعنی جفت‌هایی از رشته‌های پروتئینی یکسان که با یکدیگر برهم‌کنش دارند و نزدیک به ۱.۷ میلیون هترودایمر (heterodimer) یعنی جفت‌هایی متشکل از دو مولکول متفاوت را پیش‌بینی کردند.

اما از میان این پیش‌بینی‌ها، تنها دوهزار و ۷۴۹ همودایمر و پنج هزار و۲۷۹ هترودایمر به اندازه کافی دقیق تشخیص داده شدند تا در پایگاه داده آلفافولد قرار بگیرند. البته تمامی پیش‌بینی‌ها به‌ صورت عمومی منتشر شده‌اند.

این پیش‌بینی‌ها فاقد مولکول‌های قندی هستند که سطح بسیاری از پروتئین‌های ویروسی را می‌پوشانند و به ویروس‌ها کمک می‌کنند از شناسایی شدن توسط سیستم ایمنی فرار کنند. همچنین بسیاری از پروتئین‌های ویروسی در قالب ترکیباتی بزرگ‌تر از دایمرها فعالیت می‌کنند.

برای مثال، پروتئین اسپایک که به سارس-کوو-۲ و سایر کروناویروس‌ها امکان آلوده کردن سلول‌های میزبان را می‌دهد، از سه پروتئین یکسان تشکیل شده است. پروتئین ورود به سلول در پوشش ویروس اچ‌آی‌وی نیز ساختاری مشابه دارد.

گروو می‌گوید در بسیاری از موارد، پیش‌بینی‌های دایمری مربوط به چنین ترکیباتی به اندازه کافی دقیق نبوده‌اند که وارد پایگاه آلفافولد شوند.

سمیر ولانکار، زیست‌اطلاعات‌دان در EMBL-EBI و یکی از اعضای این پروژه، می‌گوید افزودن پیش‌بینی‌های مربوط به تریمرها متشکل از سه واحد، گام منطقی بعدی است.

با این حال، در مورد ترکیبات بزرگ‌تر همیشه مشخص نیست که هر یک از اجزای آن‌ها چند نسخه دارد.

گروو مشتاق است داده‌های جدید را برای ادامه تحقیقات خود درباره پروتئین‌های ورود ویروس‌ها بررسی کند.

او می‌گوید: آزمون واقعی این است که این داده‌ها منتشر شوند و گروه‌هایی مانند گروه ما شروع به بررسی عمیق آن‌ها کنند.

آیا آلفافولد می‌تواند برای همه‌گیری بعدی ما را آماده‌ کند؟

اینکه آیا پیش‌بینی‌های مربوط به پروتئین‌های ویروسی در نهایت به توانایی ما برای مقابله با همه‌گیری بعدی کمک خواهند کرد یا نه، تنها با گذشت زمان مشخص می‌شود.

ادوارد هولمز، ویروس‌شناس دانشگاه سیدنی در استرالیا، می‌گوید همه‌گیری بعدی احتمالا توسط ویروسی ایجاد خواهد شد که هنوز در کانون توجه هیچ‌کس قرار ندارد.

با این حال، این داده‌ها بدون شک به پژوهشگران کمک خواهند کرد تصویر کامل‌تری از ویروس‌ها به دست آورند.

با این حال، دانشمندان دیگر هشدار می‌دهند که صرف اینکه یک پروتئین طبق پیش‌بینی هوش مصنوعی می‌تواند با پروتئین دیگری یک ترکیب تشکیل دهد، به این معنا نیست که این اتفاق واقعا در دنیای زیستی رخ می‌دهد.

محققان دریافتند پیش‌بینی‌های آلفافولد برای ترکیبات پروتئینی عوامل بیماری‌زا، در مقایسه با ترکیبات پروتئینی انسانی، دقت کمتری دارند. برای آنکه بتوان با موج پیش‌بینی‌های جدید همگام شد و آن‌ها را به اطلاعات زیستی قابل اعتماد تبدیل کرد، نیاز فوری به ابزارهای آزمایشی سریع و مقیاس‌پذیر وجود دارد؛ ابزارهایی که بتوانند پیش‌بینی‌هایی مانند داده‌های جدید منتشر شده را به‌ صورت تجربی تایید کنند.

انتهای پیام