يتضمن البرنامج التعليمي | معهد ماساتشوستس للتكنولوجيا وآخرون يطلقون BindCraft، الذي يستدعي AF2 مباشرة لتحقيق تصميم ذكي لمجمعات ربط البروتين
في الأنظمة الحية، نادرًا ما تقوم البروتينات بوظائفها البيولوجية بمفردها، بل تعتمد على التفاعلات بين البروتينات (PPIs) لتنفيذ العمليات البيولوجية المعقدة.إن تصميم بروتينات مقترنة قادرة على استهداف وتنظيم مثبطات مضخة البروتون بشكل خاص له إمكانات علاجية وتكنولوجية حيوية هائلة.ومع ذلك، فإن الطرق التقليدية لتوليد الروابط البروتينية، مثل التحصين، أو فحص مكتبة الأجسام المضادة، أو التطور الموجه، غالباً ما تكون شاقة وتستغرق وقتاً طويلاً، وتوفر سيطرة محدودة على موقع الهدف.
يقدم تصميم البروتين الحسابي بديلاً قويًا لتخصيص المواد الرابطة لأهداف ومواقع ارتباط محددة.وعلى الرغم من أن الطرق الحسابية المبكرة (مثل Rosetta) حاولت الجمع بين تصميم الواجهة من خلال النمذجة الفيزيائية وتحسين السلسلة الجانبية، إلا أن معدل النجاح كان في كثير من الأحيان أقل من 0.1%.في عصر التعلم العميق، غيّرت نماذج التنبؤ بالبنية، مثل AlphaFold2، هذا الوضع تمامًا. فهي لا تتنبأ بدقة بالبنية ثلاثية الأبعاد للطيّات البروتينية الفردية فحسب، بل تُحاكي أيضًا التفاعلات المكانية لمجمعات البروتينات.
لكن هذا لا يزال ليس تصميمًا ذكيًا حقيقيًا. الطرق الحالية، مثل انتشار الترددات الراديوية (RFdiffusion) أو بروتين إم بي إن إن (ProteinMPNN)،لا يزال من الضروري ضبط الهيكل وواجهة الإرساء يدويًا، ثم استخدام AlphaFold للتحقق مما إذا كان ذلك معقولاً.وبما أن AlphaFold يمكنه بالفعل فهم بنية البروتين، فهل يمكننا السماح له "بالتفكير" في الاتجاه المعاكس وإنشاء بروتين جديد يتطابق تمامًا مع الهدف؟
وبناء على هذا،اقترح فريق من المعهد الفيدرالي السويسري للتكنولوجيا في لوزان (EPFL) ومعهد ماساتشوستس للتكنولوجيا (MIT) عملية آلية مفتوحة المصدر، تُسمى BindCraft، لتصميم روابط البروتين من الصفر. الفكرة الأساسية هي إعادة توزيع تسلسل الرابط المُتخيل عبر أوزان AlphaFold2 وحساب تدرج الخطأ.قام فريق البحث بدمج نسخة متعددة الأجسام من AlphaFold2 مع شبكة عصبية لتوليد بنية البروتين وتسلسله وواجهته في آنٍ واحد من خلال تحسين التدرج. مكّن هذا من توليد روابط جديدة ذات تقارب نانومولي حاسوبيًا، دون الحاجة إلى فحص عالي الإنتاجية، أو تكرار تجريبي، أو حتى موقع ارتباط معروف.
تظهر النتائج التجريبية أن BindCraft حققت نتائج رائدة في 12 هدفًا ذات هياكل معقدة وأهمية دوائية كبيرة.يتراوح معدل النجاح التجريبي من 10% إلى 100%، مع متوسط معدل نجاح يبلغ 46.3%.وهذا يعني أن أعمال التصميم التي كانت تتطلب في السابق مئات أو حتى آلاف عمليات الفحص، يمكنها الآن الحصول على مجموعة قابلة للاستخدام من خلال عملية حسابية واحدة فقط.
حاليًا، يتوفر "BindCraft: تصميم رابط البروتين" على الموقع الرسمي لشركة HyperAI في قسم "البرامج التعليمية". انقر على الرابط أدناه لتجربة البرنامج التعليمي للنشر بنقرة واحدة ⬇️
رابط البرنامج التعليمي:
تشغيل تجريبي
1. في الصفحة الرئيسية لـ hyper.ai، حدد صفحة البرامج التعليمية، واختر BindCraft: Protein Binder Design، وانقر فوق تشغيل هذا البرنامج التعليمي عبر الإنترنت.
2. بعد الانتقال إلى الصفحة التالية، انقر فوق "استنساخ" في الزاوية اليمنى العليا لاستنساخ البرنامج التعليمي في الحاوية الخاصة بك.
٣. اختر صورتي NVIDIA GeForce RTX 5090 وPyTorch وانقر على "متابعة". توفر منصة OpenBayes أربعة خيارات للدفع: الدفع حسب الاستخدام أو باقات يومية/أسبوعية/شهرية. يمكن للمستخدمين الجدد التسجيل باستخدام رابط الدعوة أدناه للحصول على ٤ ساعات مجانية من بطاقة RTX 5090 و٥ ساعات مجانية من استخدام المعالج!
رابط دعوة حصرية لـ HyperAI (انسخ وافتح في المتصفح):
https://openbayes.com/console/signup?r=Ada0322_NR0n
٤. انتظر حتى يتم تخصيص الموارد. سيستغرق الاستنساخ الأول دقيقتين تقريبًا. عندما تتغير الحالة إلى "قيد التشغيل"، انقر على "فتح مساحة العمل" للانتقال إلى صفحة العرض التوضيحي.
٥. فيما يلي صفحة استخدام BindCraft. انقر على "README" للانتقال إلى واجهة التوليد.
عرض التأثير
1. يرجى إكمال إعدادات المعلمات ذات الصلة وفقًا لتعليمات معلمات README
2. باستخدام المعلمات الافتراضية كمثال، تكون التأثيرات ذات الصلة كما يلي
تأثير "التصميم عالي المستوى" هو كما يلي:
"إظهار التأثير المتحرك"، يرجى مشاهدة الفيديو أدناه:
ما سبق هو البرنامج التعليمي الذي توصي به HyperAI هذه المرة. الجميع مدعوون للحضور وتجربته!
رابط البرنامج التعليمي: