חוקרים השתמשו ב-AI כדי לתכנן חלבונים שחותכים חלבונים אחרים
חוקרים השתמשו בכלי עיצוב מבוססי AI כדי ליצור חלבונים חדשים שמסוגלים לחתוך חלבונים אחרים. כך דיווח Ars Technica. החלבונים שוברים קשרים כימיים יציבים במיוחד, שלפי הדיווח יכולים להחזיק מעמד מאות שנים. אם הממצא יתבסס, ייתכן שזהו צעד משמעותי מתכנון חלבונים שרק נקשרים למטרה אל תכנון חלבונים שמבצעים עבודה כימית.
חוקרים השתמשו בכלי עיצוב מבוססי בינה מלאכותית כדי לתכנן חלבונים שחותכים חלבונים אחרים. כך דיווח Ars Technica. לפי הדיווח, החלבונים החדשים שוברים קשרים כימיים יציבים במיוחד, שבלי התערבות יכולים להחזיק מעמד מאות שנים.
מה בעצם נחתך כאן
חלבונים הם שרשראות ארוכות של חומצות אמינו. הקשר שמחבר כל חוליה בשרשרת לחוליה הבאה, הקשר הפפטידי, הוא אחד הקשרים העמידים בביולוגיה. כמו שמציינת הכתבה, במצב רגיל הקשרים האלה יכולים להתקיים מאות שנים.
הטבע מתמודד עם הקושי בעזרת אנזימים ייעודיים שנקראים פרוטאזות (proteases). אלה חלבונים שתפקידם לחתוך חלבונים אחרים, והם עושים את זה כמעט בכל תא חי: בעיכול המזון, בקרישת הדם, בפירוק חלבונים פגומים ובוויסות תהליכים רבים בגוף. לפי הדיווח, החוקרים הצליחו לבנות בעזרת AI חלבונים שמבצעים עבודה דומה.
מקשירה לפעולה
בשנים האחרונות תכנון חלבונים בעזרת מחשב הפך לאחד התחומים הבולטים שבהם בינה מלאכותית משפיעה על המדע. ב-2024 הוענק פרס נובל לכימיה על תכנון חלבונים חישובי ועל חיזוי מבנה חלבונים בעזרת AI. עם זאת, רוב ההישגים המוכרים בתחום עסקו בחיזוי הצורה של חלבונים קיימים, או בתכנון חלבונים שנקשרים למטרה מסוימת, למשל נגיף או קולטן בתא.
תכנון אנזים, כלומר חלבון שלא רק נצמד למולקולה אלא גם מזרז בה תגובה כימית, נחשב בדרך כלל לאתגר קשה יותר. לכן המשמעות של הדיווח היא ככל הנראה צעד מחלבונים מעוצבים שנקשרים לחלבונים מעוצבים שפועלים. כדי לשבור קשר שאמור להחזיק מאות שנים, האנזים צריך להחזיק את המולקולה במיקום מדויק ולהאיץ תגובה שבלעדיו כמעט לא מתרחשת.
למה זה חשוב
היכולת לתכנן "מספריים מולקולריים" לפי הזמנה עשויה לפתוח כמה כיווני שימוש. ברפואה אפשר לדמיין אנזימים שמפרקים חלבון מזיק מסוים ולא נוגעים בשאר. במחקר הביולוגי, אנזימים כאלה יכולים לשמש כלים מדויקים לניתוח חלבונים. בתעשייה, פרוטאזות כבר משמשות בייצור מזון, בחומרי ניקוי ובתהליכים כימיים, ואפשרות לתכנן אותן מאפס עשויה להרחיב את מגוון השימושים.
חשוב לסייג: חומרי המקור אינם מפרטים את יעילות האנזימים, את רמת הדיוק שלהם בבחירת המטרה או את הכלים שבהם השתמשו החוקרים. הדרך מהדגמה מעבדתית ליישום רפואי או תעשייתי ארוכה בדרך כלל. ובכל זאת, הדיווח מצטרף למגמה רחבה יותר שבה AI עובר מחיזוי של מה שכבר קיים בטבע לתכנון של מולקולות חדשות שמבצעות משימות מוגדרות.