การทำนายโครงสร้างทางชีววิทยาได้แม่นยำยิ่งขึ้นโดยใช้การเรียนรู้ของเครื่อง

การกำหนดรูปร่าง 3 มิติของโมเลกุลทางชีววิทยาเป็นเรื่องยากทีเดียว โดยเฉพาะอย่างยิ่งในด้านชีววิทยาสมัยใหม่และการค้นพบทางการแพทย์ งานนี้มักต้องใช้เงินหลายล้านดอลลาร์และแม้แต่ความพยายามมหาศาล

ตอนนี้นักวิทยาศาสตร์จาก มหาวิทยาลัยสแตนฟอร์ด ได้เกิดขึ้นแล้ว แนวทางที่เอาชนะปัญหานี้ด้วยการทำนายโครงสร้างที่แม่นยำด้วยการคำนวณ วิธีการใหม่นี้ใช้เทคนิคการเรียนรู้ด้วยเครื่องใหม่

ในระหว่างการทดสอบ พบว่าวิธีการดังกล่าวสามารถทำนายรูปร่าง 3 มิติของเป้าหมายยาและโมเลกุลทางชีววิทยาที่สำคัญอื่นๆ ได้อย่างแม่นยำ แม้ว่าจะมีเพียงข้อมูลที่จำกัด . สิ่งนี้ทำให้ใช้ได้กับประเภทของโมเลกุลที่มีโครงสร้างที่ยากต่อการพิจารณาในการทดลอง นอกจากการทำนายแล้ว อัลกอริธึมยังช่วยให้นักวิทยาศาสตร์สามารถอธิบายวิธีการทำงานของโมเลกุลต่างๆ ด้วยการประยุกต์ใช้ตั้งแต่การวิจัยทางชีววิทยาขั้นพื้นฐานไปจนถึงการออกแบบยาอย่างมีข้อมูล

ปริญญาเอกมหาวิทยาลัยสแตนฟอร์ด ราฟาเอล ทาวน์เซนด์ นักศึกษากล่าวว่า “ชีววิทยาเชิงโครงสร้าง ซึ่งเป็นการศึกษารูปร่างของโมเลกุล มีมนต์นี้ที่โครงสร้างกำหนดหน้าที่”

ปริญญาเอกมหาวิทยาลัยสแตนฟอร์ด นักเรียน Stephan Eismann กล่าวว่า “โปรตีนเป็นเครื่องจักรระดับโมเลกุลที่ทำหน้าที่ทุกประเภท เพื่อทำหน้าที่ของมัน โปรตีนมักจะจับกับโปรตีนอื่น ถ้าคุณรู้ว่าโปรตีนคู่หนึ่งเกี่ยวข้องกับโรคและคุณรู้ว่าพวกมันมีปฏิกิริยาอย่างไรในแบบ 3 มิติ คุณสามารถลองกำหนดเป้าหมายปฏิสัมพันธ์นี้โดยเฉพาะกับยาได้”

แทนที่จะกำหนดว่าอะไรทำให้การคาดการณ์พื้นฐานค่อนข้างแม่นยำ นักวิเคราะห์ปล่อยให้อัลกอริทึมค้นพบคุณลักษณะของโมเลกุลเหล่านี้ด้วยตัวมันเอง พวกเขาทำเช่นนี้เนื่องจากพบว่าวิธีการทั่วไปในการให้ความรู้ดังกล่าวสามารถมีอิทธิพลต่อการคำนวณองค์ประกอบเฉพาะ ทำให้ไม่สามารถค้นพบข้อกำหนดทางการศึกษาอื่น ๆ

Eismann กล่าวว่า “ปัญหาของคุณลักษณะที่สร้างขึ้นด้วยมือเหล่านี้ในอัลกอริธึมคืออัลกอริธึมมีอคติต่อสิ่งที่บุคคลที่เลือกคุณลักษณะเหล่านี้คิดว่ามีความสำคัญ และคุณอาจพลาดข้อมูลบางอย่างที่คุณต้องทำให้ดีขึ้น”

Townshend กล่าวว่า “เครือข่ายเรียนรู้ที่จะค้นหาแนวคิดพื้นฐานที่เป็นกุญแจสำคัญในการสร้างโครงสร้างโมเลกุล แต่ไม่มีอย่างชัดเจน ถูกบอกให้ แง่มุมที่น่าตื่นเต้นคืออัลกอริธึมได้กู้คืนสิ่งที่เรารู้ว่ามีความสำคัญ แต่ก็ได้กู้คืนลักษณะที่เราไม่เคยรู้มาก่อน”

ต่อไปนักวิทยาศาสตร์ได้ใช้อัลกอริธึมกับโมเลกุลทางชีววิทยาที่สำคัญอีกกลุ่มหนึ่ง RNA พวกเขาทดสอบอัลกอริธึมในชุด ‘RNA Puzzles’ จากการแข่งขันอันยาวนานในสาขาของตน ในทุกกรณี เครื่องมือนี้มีประสิทธิภาพเหนือกว่าผู้เข้าร่วมปริศนาคนอื่นๆ ทั้งหมด และทำได้โดยไม่ได้ออกแบบมาอย่างชัดเจนสำหรับโครงสร้าง

RNA

Ron Dror รองศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์กล่าวว่า “ความก้าวหน้าอันน่าทึ่งในการเรียนรู้ของเครื่องล่าสุดส่วนใหญ่ต้องการข้อมูลจำนวนมหาศาลสำหรับการฝึกอบรม ความจริงที่ว่าวิธีนี้ประสบความสำเร็จโดยได้รับข้อมูลการฝึกอบรมเพียงเล็กน้อยแสดงให้เห็นว่าวิธีการที่เกี่ยวข้องสามารถแก้ไขปัญหาที่ยังไม่ได้แก้ไขในหลาย ๆ ด้านที่ข้อมูลหายาก”

Townshend กล่าวว่า “เมื่อคุณมีเทคโนโลยีพื้นฐานนี้แล้ว คุณกำลังเพิ่มระดับการทำความเข้าใจอีกขั้นหนึ่ง และสามารถเริ่มถามคำถามชุดต่อไปได้ ตัวอย่างเช่น คุณสามารถเริ่มออกแบบโมเลกุลและยาใหม่ ๆ ด้วยข้อมูลประเภทนี้ ซึ่งเป็นพื้นที่ที่ผู้คนตื่นเต้นมาก”

การอ้างอิงวารสาร:

1. สเตฟาน ไอส์มันน์, ราฟาเอล เจแอล ทาวน์เซนด์ และคณะ โครงข่ายประสาทเทียมเทียบเท่าการหมุนแบบลำดับชั้นเพื่อเลือกแบบจำลองโครงสร้างของโปรตีนเชิงซ้อน ดอย: 10.1002/prot.26033