محققان از هوش مصنوعی برای طراحی پروتئین هایی استفاده می کنند که پروتئین های دیگر را قطع می کند

ابزارهای طراحی هوش مصنوعی پروتئین هایی می سازند که پیوندهایی را می شکند که برای صدها سال پایدار هستند.

ابزارهای طراحی هوش مصنوعی پروتئین هایی می سازند که پیوندهایی را می شکند که برای صدها سال پایدار هستند.

پروتئین زنجیره ای از اسیدهای آمینه است که توسط پیوندهای پپتیدی به هم متصل می شوند. این اوراق به خودی خود بسیار پایدار هستند. تخمین زده می شود که نیمه عمر آنها چند صد سال است. اما در محیط زمین، بیشتر پروتئین ها تقریباً آنقدر دوام نمی آورند. این به این دلیل است که ارگانیسم‌ها روش‌های انگشت شماری را برای کاتالیز کردن شکستن پیوندهای پپتیدی که به آنزیم‌های تخصصی هضم پروتئین بی‌شماری متنوع شده‌اند، تکامل داده‌اند. پروتئازها در همه جا وجود دارند و به طور کلی پروتئین هایی را که به محیط زیست راه پیدا می کنند، کوتاه می کنند.

اکنون، محققان اساساً فرآیند تنوع را با استفاده از ابزارهای طراحی پروتئین مبتنی بر هوش مصنوعی برای برداشتن هسته کاتالیزوری دو نوع پروتئاز و جایگزینی کل بقیه پروتئین، کوتاه کرده‌اند. آنزیم‌های به‌دست‌آمده را می‌توان تنظیم کرد تا پروتئین‌های خاص را به نصف برش دهند و محققان با استفاده از آن‌ها برای کاهش پروتئین‌های مرتبط با بیماری‌های عصبی، اثربخشی خود را نشان دادند.

پیوند پپتیدی پایه به خصوص ظاهر جالبی ندارد - این همان چیزی است که وقتی یک گروه آمینه را به یک اسید پیوند می دهید و یک مولکول آب را در این فرآیند آزاد می کنید، بدست می آورید. همانطور که از نام آنها پیداست، اسیدهای آمینه دارای هر دو گروه آمینو و اسیدی هستند که به آنها اجازه می دهد پیوندهای پپتیدی در دو طرف اسید آمینه تشکیل دهند. این برای ایجاد زنجیره های بلند موجود در پروتئین ها حیاتی است. (آمینواسیدها همچنین دارای زنجیره های جانبی با شیمی متمایز هستند که به ستون فقرات خاصیت خاصی می دهد.)

شکستن این پیوندها به سادگی با شکستن پیوند پپتیدی و یک مولکول آب و به هم پیوند دادن قطعات آنها، فرآیند را معکوس می کند. از آنجایی که هر دو جزء از نظر شیمیایی پایدار هستند، واکنش نیاز به آنزیم دارد تا با هر فرکانسی رخ دهد. بدون آنزیم، یک پیوند پپتیدی معمولی برای صدها سال در آب پایدار خواهد بود.

زندگی چندین مکانیسم آنزیمی را ایجاد کرده است که این کاتالیز را مدیریت می کند. تحقیق مورد بحث در اینجا بر دو مورد متفاوت تکیه داشت. یکی از آنها یک پروتئاز روی است که در آن بار مثبت اتم روی پیوند پپتیدی شکسته شده، بخش های کلیدی پروتئاز و یک مولکول آب را هماهنگ می کند. پروتئاز تا حدی یک پروتون را از مولکول آب می کشد و آن را برای حمله و شکستن پیوند پپتیدی فعال می کند.

دومین پروتئازی که محققان استفاده می کنند سیستئین پروتئاز نام دارد. در این مورد، یک سیستئین (یکی از اسیدهای آمینه) در آنزیم برای حمله به پیوند پپتیدی فعال می شود و یک واسطه موقت ایجاد می کند که در آن بخشی از پروتئین بریده شده از نظر شیمیایی به آنزیم مرتبط می شود. یک مولکول آب در نهایت این حد واسط را از هم جدا می کند و قسمت دوم پروتئین بریده شده را آزاد می کند.

هر دوی این مکانیسم ها به تعداد انگشت شماری از اسیدهای آمینه خاص از پروتئاز نیاز دارند تا در نزدیکی مرکز کاتالیزوری پروتئاز قرار گیرند. سایر اسیدهای آمینه موجود در پروتئاز به اطمینان از اینکه این اسیدهای آمینه کاتالیزوری کلیدی هستند کمک می کنددر مکان مناسب با جهت گیری درست گرد هم آمده اند. بقیه پروتئاز همچنین ممکن است درجه ای از ویژگی را در مورد پروتئین های بریده شده اعمال کند. برخی از پروتئازها، مانند آنهایی که در دستگاه گوارش ما فعال هستند، می توانند در کنار هر اسید آمینه بریدگی ایجاد کنند. برخی دیگر کمی انتخابی تر هستند و ترجیح می دهند اسیدهای آمینه با بار مثبت یا منفی را کاهش دهند. و تعداد کمی از آنها بسیار خاص هستند، مانند پروتئازی که انسولین را فعال می کند، که فقط در نزدیکی یک سری اسیدهای آمینه بسیار خاص کاهش می یابد.

افراد پشت کار جدید، عمدتاً از آزمایشگاه دیوید بیکر برنده نوبل در دانشگاه واشنگتن، طراحی یک پروتئاز را یک چالش می‌دانستند. به عنوان مثال، پایداری پیوندهای پپتیدی به این معنی است که بدون یک کاتالیزور موثر، واکنش ها انجام نمی شود. و برای به دست آوردن آن کاتالیزور نیاز به آرایش بسیار دقیقی از اسیدهای آمینه خاص است. بنابراین واضح نبود که ابزارهای طراحی پروتئین هوش مصنوعی که آزمایشگاه توسعه داده بود، از عهده این کار برآیند.

هر دو پروژه رویکردی مشابه داشتند. درست مانند تکامل، آنها با یک پروتئاز موجود شروع کردند. یکی از آنها روی پروتئاز بود که در دستگاه گوارش خرچنگ استفاده می شد. دیگری یک سیستئین پروتئاز از مخمر بود. در هر دو مورد، ساختار پروتئین، و همچنین آمینو اسیدهای کلیدی که تجزیه پروتئین های دیگر را کاتالیز می کنند، شناخته شده بود. فرآیند طراحی با این آمینو اسیدها آغاز شد.

فرآیند طراحی با نرم افزاری به نام RFdiffusion2 آغاز شد که یک ستون فقرات برای آنزیم ایجاد می کند (ستون ستون فقرات از پپتید مکرر پروتئین تشکیل شده است.اوراق قرضه). محققان به RFdiffusion2 تعدادی محدودیت دادند. برای شروع، هر ستون فقرات طراحی شده باید آمینو اسیدهای کاتالیزوری کلیدی مورد نیاز برای یک پروتئاز عملکردی را گرد هم می آورد. آنها همچنین به آن یک توالی اسید آمینه هدف دادند که در نهایت پروتئاز در آن قطع می شود. ستون فقرات باید آن توالی هدف را در نزدیکی مرکز کاتالیزوری قرار می داد.

با قرار دادن ستون فقرات، فرآیند در مرحله بعد به ProteinMPNN منتقل شد، ابزاری که در امتداد ستون فقرات کار می کند و آن را با اسیدهای آمینه خاص پر می کند. (این ابزار در تلاش‌های گوگل برای نشان‌گذاری پروتئین‌های طراحی‌شده با هوش مصنوعی مشخص شده است.) ProteinMPNN هر اسید آمینه را بر اساس یک سری محدودیت‌ها انتخاب می‌کند. برای شروع، اسید آمینه باید با ستون فقرات که به سمت ساختار برنامه ریزی شده خود تا می شود سازگار باشد. در مرحله بعد، در مناطق بحرانی، هر اسید آمینه انتخابی باید با تشکیل محل کاتالیزوری آنزیم سازگار باشد. و در نهایت، در مناطق نزدیک، باید با چسبیدن به هدف مورد نظر سازگار باشد.

محققان این فرآیند را ده ها بار برای هر دو پروتئاز سیستئین و روی تکرار کردند. برای سیستئین پروتئاز، آنها 12 ستون فقرات مختلف ساختند و آنها را با 69 مجموعه مختلف اسید آمینه پر کردند. برای پروژه روی، آنها 135 طرح مختلف پروتئین را امتحان کردند. آن‌ها از AlphaFold3 برای پیش‌بینی ساختار بسیاری از این طرح‌ها استفاده کردند و در پایگاه‌های داده چیزی شبیه به آن‌ها پیدا نکردند و تأیید کردند که ابزارهای آن‌ها صرفاً ساختارهای شناسایی شده قبلی را سرقت نمی‌کردند.

محققینبا ساخت یک پروتئین منفرد و طولانی که حاوی پروتئاز، دنباله ای که برای هدف قرار دادن آن طراحی شده بود و یک پروتئین فلورسنت شروع شد. آنها سپس آزمایش کردند تا ببینند آیا پروتئین فلورسنت شل شده است یا خیر. در مورد سیستئین پروتئاز، آنها 13 طرح را دریافت کردند که کارآمد بود، نرخ موفقیت 19 درصد، اگرچه همه آنها به طور قابل توجهی کمتر از آنزیم مخمری که به عنوان مدل استفاده می شد، فعال بودند.

پروژه روی کمی پیچیده تر بود. آنها طرح های زیادی را آزمایش کردند که شامل مولکول آب که معمولاً در آن واکنش شرکت می کند، نبود. اینها میزان موفقیت نسبتاً پایینی داشتند و تنها 14 مورد از 89 مورد فعالیت کاتالیزوری ضعیف را نشان دادند. زمانی که آن‌هایی را که کار نمی‌کردند، مدل‌سازی کردند، متوجه شدند که این طرح‌ها اغلب به یک مولکول آب اجازه می‌دهند محلی را که باید در آن واکنش‌ها انجام شود، مسدود کند.

بنابراین، آنها همچنین طرح هایی را امتحان کردند که در آن یک مولکول آب را در مکان مناسب به عنوان یک محدودیت طراحی اضافی قرار دادند. اینها میزان موفقیت بسیار بالاتری داشتند، با 35 از 38 فعالیت کاتالیزوری. با این حال، مجدداً، فعالیت آنها به طور قابل توجهی کمتر از آنزیمی بود که به عنوان نقطه شروع برای طرح ها استفاده می شد. (آنها یک طرح با سطح فعالیت بهتر دریافت کردند، اما مشخص نبود کجا پروتئین های دیگر را برش می دهد.)

برای پی بردن به اینکه آیا این فعالیت می تواند بهبود یابد، محققان آمینو اسیدهایی را شناسایی کردند که در مجاورت محل فعال پروتئاز قرار داشتند، اما به طور فعال با کاتالیز درگیر نبودند. و آنها در هر جایگزینی مبادله کردنداسید آمینه ای که پیش بینی نشده بود ساختار طرح را مختل کند. آنها نسخه هایی پیدا کردند که به طور قابل توجهی فعال تر بودند. بهترین نسخه ای که آنها شناسایی کردند، شکست پیوند پپتیدی را با ضریب 109 تسریع کرد در حالی که برای دنباله پروتئین هدف مورد نظر بسیار خاص باقی ماند.

موارد مشابهی در مورد پروتئاز مبتنی بر روی اتفاق افتاد. نسخه v2 پروتئاز آنها، که برخی از جهش‌های تصادفی را در خود جای داده بود، 30 برابر بیشتر از طرح اصلی که بر اساس آن بود، فعال بود. همچنین شکاف پیوند پپتیدی را با ضریب 1010 تسریع کرد.

به عنوان آخرین نمایش وعده این رویکرد، محققان پروتئازهای روی را طراحی کردند که می تواند پروتئین های مرتبط با اختلالات عصبی، مانند آلزایمر و زوال عقل فرونتومپورال را هدف قرار دهد. تلاش برای اصلاح طرح موجود خود برای هدف قرار دادن یک دنباله جدید خوب کار نمی کرد، بنابراین آنها این فرآیند را از ابتدا شروع کردند و موفق شدند چیزی را پیدا کنند که بتواند هدف مورد نظر را در سلول ها برش دهد. برای محققان، این نشان می‌دهد که در نهایت ممکن است بتوانیم با هدف قرار دادن پروتئین‌های ناقص ایجادکننده‌ی برخی از بیماری‌های ژنتیکی، بر سیر آن‌ها تأثیر بگذاریم.

استفاده درمانی بالقوه از این پیچیده است. پروتئين‌ها اغلب به سختي به محلي كه به آنها نياز دارند، مي‌رسند و اغلب مي‌توانند باعث پاسخ ايمني شوند. اگر هدف پروتئاز به جای بیرونی، در داخل سلول باشد، همه چیز حتی چالش برانگیزتر می شود. که احتمالاً به سلول های هدف برای ساختن نیاز داردپروتئاز، که شامل رساندن ژن کد کننده آن به سلول هایی است که در آن مورد نیاز است. بنابراین، موانع قابل توجهی وجود دارد که باید قبل از اینکه بتوانیم به طور بالقوه توسعه درمانی با استفاده از این فناوری را شروع کنیم، برطرف شوند.

محققان همچنین نشان می‌دهند که چگونه کار برخی از محدودیت‌های ابزار را نشان می‌دهد. همانطور که مورد استفاده قرار گرفت، آنها با موفقیت پروتئین هایی را طراحی کردند که با تمام محدودیت های فیزیکی که به آنها داده شده بود مطابقت داشت: آنها در ساختارهایی جمع شدند که آمینو اسیدهای مورد نیاز برای کاتالیز واکنش را تقریباً به مکان مناسب می آورد و به دنباله های اسید آمینه هدف خاصی متصل می شدند.

اما ما در حال حاضر این توانایی را نداریم که به این ابزارها بگوییم که فعالیت کاتالیزوری خاصی می‌خواهیم. بسیاری از طرح‌ها فاقد برخی از جزئیات ظریفی بودند که آنزیم‌های تکامل‌یافته را به کاتالیزورهای بزرگی تبدیل می‌کردند. به عبارت دیگر، ابزارها در ساختار عالی هستند، اما لزوماً در فعالیت عالی نیستند. و در حالی که ساختار برای عملکرد ضروری است، همه چیز نیست. همانطور که محققان مشاهده کردند، معرفی جهش تصادفی همچنان می‌تواند تغییرات ساختاری ظریفی را ایجاد کند که آنزیم‌هایی را تولید کند که به طور قابل توجهی فعال‌تر هستند.

البته، این نرم افزار طراحی پروتئین تنها چند سال قدمت دارد و هم توسعه دهندگان و هم کاربران ممکن است ایده هایی برای گنجاندن محدودیت هایی فراتر از مکان فیزیکی داشته باشند.

Nature، 2026. DOI: 10.1038/s41586-026-11143-w , 10.1038/s41586-026-11167-2 (درباره DOI ها).

جان ویراستار علمی Ars Technica است. او دارای لیسانس هنر در بیوشیمی از دانشگاه کلمبیا است،و دکتری. در زیست شناسی مولکولی و سلولی از دانشگاه کالیفرنیا، برکلی. هنگامی که از نظر فیزیکی از صفحه کلید خود جدا می شود، تمایل دارد به دنبال یک دوچرخه یا مکانی خوش منظره برای برقراری ارتباط با کفش های پیاده روی خود باشد.