پژوهشگران از هوش مصنوعی (AI) برای طراحی آنزیمهای کاملاً جدیدی استفاده کردهاند که میتوانند واکنشهای چند مرحلهای را انجام دهند، این ویژگی کلیدی آنزیمهای طبیعی است. ساختارهایی که آنها ایجاد کردند، یک واکنش شیمیایی چهار مرحلهای را تسریع کردند که برای بسیاری از فرآیندهای بیولوژیکی و صنعتی، از جمله بازیافت پلاستیک، اساسی است.
Huimin Zhao، زیستشناس مصنوعی در دانشگاه ایلینوی Urbana-Champaign، میگوید: «این یک نقطه عطف در مهندسی آنزیم است. این نشان میدهد که اکنون میتوان آنزیمهایی با فعالیت شبیه به آنزیمهای طبیعی طراحی کرد که میتوانند از نظر عملی مفید باشند.»
تلاشهای قبلی برای طراحی آنزیمها از ابتدا با استفاده از هوش مصنوعی، موفقیت محدودی داشتهاند و اغلب آنزیمهایی تولید میکنند که پس از اولین مرحله واکنش متوقف میشوند. در آخرین مطالعه که در ۱۳ فوریه در Science منتشر شد1، پژوهشگران با ترکیب چندین رویکرد یادگیری ماشین بر این چالش غلبه کردند. آنزیمهای جدید ۶۰٬۰۰۰ برابر بهتر از آنزیمهایی بودند که قبلاً برای کار به روشی مشابه طراحی شده بودند.
سفارشیسازی آنزیمها
تلاشهای قبلی بر تغییر ساختارهای آنزیمهای موجود برای ایجاد آنزیمهای جدیدی که سریعتر کار میکنند یا عملکردهای متفاوتی دارند، متمرکز شده است. اما این رویکرد ایجاد آنزیمهای کارآمدی که قادر به واکنشهای چند مرحلهای باشند را دشوار میکند.
Anna Lauko، طراح پروتئین در دانشگاه واشنگتن در سیاتل، میگوید: «این مانند رفتن به یک فروشگاه دستدوم و خرید یک کتوشلوار است، و آن کتوشلوار احتمالاً کاملاً مناسب شما نخواهد بود. این همان چیزی است که وقتی سعی میکنیم آنزیمها را به این روش طراحی کنیم اتفاق میافتد.»
Lauko و همکارانش میخواستند آنزیمهایی بسازند که بتوانند یک واکنش شیمیایی چهار مرحلهای به نام هیدرولیز سرین را انجام دهند، که شامل شکستن یک پیوند استری بین مولکولها است. سرین هیدرولازها آنزیمهای طبیعی هستند که این واکنش را انجام میدهند و در بسیاری از فرآیندهای بیولوژیکی، از جمله هضم، متابولیسم چربیها و لخته شدن خون نقش دارند.
پژوهشگران با یک ابزار هوش مصنوعی به نام RFdiffusion شروع کردند، برنامهای که قبلاً برای تولید ساختارهای آنزیمی جدید از ابتدا توسعه داده بودند2. سپس آنها یک شبکه عصبی عمیق به نام PLACER ایجاد کردند تا طراحی ساختاری را با مدلسازی موقعیت اتمها در آنزیم و مولکولهایی که در هر مرحله از واکنش به آن متصل میشوند، اصلاح کنند. Zou میگوید، این هوش مصنوعی مانند «یک فیلتر» عمل میکند: بررسی میکند که آیا مکانهای فعال آنزیم - بخشهایی که با مولکولها تعامل دارند - سازگار هستند و به درستی برای انجام هر مرحله از واکنش مرتب شدهاند یا خیر. Zhao میگوید، این «بسیار نوآورانه» است.
Lauko میگوید، استفاده از این ابزارهای هوش مصنوعی با هم به «تهیه این کتوشلوار سفارشی که کاملاً مناسب خواهد بود» کمک کرد. آنزیمهای تازه طراحیشده تمام چهار مرحله هیدرولیز سرین را تکمیل کردند.
Lauko میگوید: «این به ما امکان میدهد تا آنزیمهای پیچیدهتری را از ابتدا طراحی کنیم که واقعاً امکان ساخت آنها وجود نداشت.»
اصلاحات ساختاری
پژوهشگران تأکید میکنند که کار آنها فقط یک اثبات مفهوم است، و اگرچه آنزیمهای جدید امیدوارکننده هستند، اما هنوز به اندازه سرین هیدرولازهای طبیعی کارآمد نیستند. آنها امیدوارند که تنظیم دقیقتر ساختارهای آنزیمها سرعت و کارایی آنها را بهبود بخشد و این فناوری را یک گام به کاربردهای دنیای واقعی نزدیکتر کند. Lauko میگوید: «ما میتوانیم از تمام این اصول استفاده کنیم… تا سعی کنیم سرین هیدرولازها را برای تجزیه پلاستیک طراحی کنیم.»
Noelia Ferruz، متخصص در طراحی پروتئین با هوش مصنوعی در مرکز تنظیم ژنومی در بارسلونای اسپانیا، میگوید، ابزارهای هوش مصنوعی در این مطالعه میتوانند روزی برای طراحی آنزیمهایی استفاده شوند که قادر به واکنشهای شیمیایی کاملاً جدیدی هستند که در طبیعت وجود ندارند. «محدودیتها اساساً فقط تخیل شما هستند؛ شما میتوانید هر چیزی را طراحی کنید.»
doi: https://doi.org/10.1038/d41586-025-00488-3
منابع
- Lauko, A. et al. Science https://doi.org/10.1126/science.adu2454 (2025).
- Watson, J. L. et al. Nature 620, 1089–1100 (2023).