طرح مشترک در پروتئین های شته به هوش مصنوعی کمک می کند تا ساختار آنها را پیش بینی کند

ویرایش شده توسط گابی کلارک، بررسی توسط رابرت ایگان

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

حشرات کوچکی به نام شته ها صدها پروتئین مرموز را به گیاهان تزریق می کنند و ژنوم خود گیاهان را می ربایند تا گال بسازند: ساختارهایی از بافت گیاهی ساخته شده اما مطابق مشخصات حشرات برای نگهداری و تغذیه فرزندانشان ساخته شده است.

اکنون، دانشمندان در آزمایشگاه محقق دیوید استرن، دکترا، در موسسه تحقیقات پزشکی استورز، با همکاری زیست شناسان ساختاری در آزمایشگاه آنجلا گروننبورن در دانشگاه پیتسبورگ، کشف کرده اند که هزاران پروتئین در هفت گونه شته بر اساس یک طرح معماری مشترک ساخته شده اند. Evolution به قدری این طرح را بازسازی کرده است که ممکن است شته ها را با یک زرادخانه مولکولی برای دستکاری گیاهان و لغزش از پشت خط دفاعی آنها مجهز کند.

استرن می‌گوید: «ما بر روی کاری که این پروتئین‌ها واقعا در گیاه انجام می‌دهند بسیار متمرکز بوده‌ایم. "این پروتئین‌ها چگونه عمل می‌کنند؟ آنها شبیه چیزی نیستند که قبلا دیده‌ایم. یکی از راه‌های تلاش برای دستیابی به بینش در مورد این مشکل، حل ساختار سه بعدی این پروتئین‌ها است و این انگیزه برای این پروژه بود."

این یافته‌ها که در 2 سپتامبر 2026 در مجموعه مقالات آکادمی ملی علوم منتشر شد، روش جدیدی را برای استفاده از AlphaFold2، یک سیستم هوش مصنوعی که ساختارهای پروتئینی را پیش‌بینی می‌کند، بر روی پروتئین‌هایی که به سرعت در حال تکامل هستند و مدت‌ها در برابر مطالعه مقاومت کرده‌اند، نشان می‌دهد. این رویکرد می‌تواند به دانشمندان در مطالعه سایر پروتئین‌هایی از جمله پروتئین‌هایی که در ایمنی، فعل و انفعالات میزبان و انگل و کشاورزی نقش دارند، کمک کند. این یافته‌ها همچنین پنجره‌ای را به یک مسابقه تسلیحاتی تکاملی بین شته‌ها و گیاهانی که به آنها حمله می‌کنند باز می‌کند.

استرن و تیمش قبلا این خانواده از مولکول ها را کشف کرده بودند و آنها را به دلیل تکرار موتیف سیستئین، پروتئین BICYCLE نامیدند.

از همان ابتدا، پروتئین ها با مشکل مواجه شدند. زیست شناسان معمولا با مقایسه توالی اسید آمینه آن با میلیون ها پروتئینی که قبلا در پایگاه های داده عمومی فهرست بندی شده اند، بررسی می کنند که یک پروتئین ناشناخته چه می کند. تطابق نزدیک با یک پروتئین شناخته شده یک سرنخ قوی است. جستجو برای پروتئین‌های BICYCLE هیچ تطابقی نداشت. پروتئین ها به سرعت، نسل به نسل، در حال تغییر هستند که توالی آنها فراتر از نقطه ای که این مقایسه ها می توانند هر شباهت خانوادگی را تشخیص دهند، بازنویسی شده اند.

استرن می‌گوید: «ما می‌توانیم فورا بگوییم که آنها شبیه هیچ پروتئین دیگری نیستند که ممکن است در یک پایگاه داده پیدا کنید.

این سرعت خود نشانه درگیری است. پروتئین‌ها در خط مقدم بین یک انگل و میزبانش سریع‌ترین تکامل را دارند زیرا هر طرف تحت فشار دائمی برای مقابله با آخرین حرکت طرف مقابل است.

این تیم با کار با آزمایشگاه گروننبورن، سال‌ها را صرف تبلور دو پروتئین دوچرخه و حل ساختار آن‌ها با پراش اشعه ایکس کرد. آنها با هیچ چیز مطابقت نداشتند. اما آنها حاوی نسخه‌ای از یک موتیف ساختاری بودند که در جای دیگر در زیست‌شناسی دیده می‌شد، که به نام چین‌های ساپوسین مانند شناخته می‌شد.

در همان هفته، ابزار یادگیری عمیق جدیدی به نام AlphaFold2 منتشر شد که به دانشمندان نوید پیش‌بینی ساختار پروتئین بسیار دقیق را می‌داد. استرن سکانس های BICYCLE را به AlphaFold2 داد، اما به تیم پاسخ اشتباه داد.

این شکست سازنده ترین نتیجه مطالعه شد زیرا نحوه عملکرد هوش مصنوعی را آشکار کرد: قدرت AlphaFold2 تنها از یادگیری ماشینی نمی آید. این برنامه به شدت بر داده های تکاملی ارائه شده به آن تکیه دارد.

برای پروتئین BICYCLE، این رکورد وجود نداشت. استرن می گوید: «هنگامی که پایگاه داده را برای یافتن پروتئین های مشابه جستجو کرد، نتوانست هیچ کدام را پیدا کند. "آن قسمت از برنامه AlphaFold2 خالی بود. در واقع یک کادر خالی بود."

رفع نیاز به ترک کامپیوتر داشت. این تیم شته‌ها را در سراسر ویرجینیا و ویرجینیای غربی جمع‌آوری کرد، برای یکی از گونه‌های حیاتی به ژاپن سفر کرد، ژنوم‌های آن‌ها را توالی‌بندی کرد و به AlphaFold2 زمینه تکاملی را داد که فاقد آن بود. توانایی آلفا فولد برای محاسبه ساختارهایی که استرن به دنبال آن بود به آنچه یادگیری عمیق می توانست از خود تکامل به دست آورد بستگی داشت.

استرن گفت: "ببینید، AlphaFold2 ساختار کریستالی را که حل کرده بودیم به ما بازگرداند."

با کارکرد این روش، تیم تقریبا 2400 پیش‌بینی ساختاری با اطمینان بالا در هفت گونه شته ایجاد کرد. یک ویژگی مدام دوباره ظاهر می‌شد: همان چین‌های ساپوزین‌مانند، تکرار و مرتب‌سازی مجدد.

همان طرح اولیه بارها و بارها نمایان می شود، اما از پروتئینی به پروتئین دیگر، تکرار، تغییر جهت و تزئین شده است.

محققان انتظار داشتند چیزی را پیدا کنند که پروتئین ها فراتر از این پایه مشترک هستند: یک ویژگی مشترک که به یک شغل مشترک اشاره می کند.

استرن گفت: «ما چیزی پیدا نکردیم. "هیچ تکه های حفاظت شده ای از بار مثبت یا بار منفی، یا مناطقی که از آب متنفر بودند، یا مناطقی که واقعا آب را دوست داشتند. هیچ چیز."

پروتئین‌ها بر اساس ساختار خوشه‌بندی شدند، اما با شیمی سطح به یک طیف تقریبا پیوسته گسترش یافتند. استرن می‌گوید: «ما از هر روشی که فکرش را می‌کردیم استفاده کردیم تا آن‌ها را در خوشه‌های مختلف مجبور کنیم، اما نتوانستیم. این نشان می‌دهد که این پروتئین‌ها واقعا از مکانیسم‌های مختلف در گیاه برای تسخیر سلول‌های گیاهی استفاده می‌کنند.»

نویسندگان پیشنهاد می‌کنند که پروتئین‌های BICYCLE به طور همزمان در دو جبهه تکامل می‌یابند – رسیدن به اهداف مولکولی جدید در داخل گیاه و غیرقابل تشخیص بودن برای نظارت ایمنی گیاه – و تشکیل یک زرادخانه بسیار سازگار که توسط یک مسابقه تسلیحاتی شکل گرفته است.

او گفت: «این واقعا شروع کار ما بر روی پروتئین دوچرخه است، شروع کار ما در مورد نحوه کنترل گیاهان توسط حشرات است. من در مورد آینده و کارهایی که می‌توانیم در اینجا انجام دهیم بسیار هیجان‌زده هستم تا بفهمیم این مولکول‌ها چگونه بیولوژی گیاهی را کنترل می‌کنند.»

Fatema Bhinderwala و همکاران، پروتئین‌های مؤثر صفراوی شته‌هایی که به سرعت در حال تکامل هستند، چین‌های ساپوزین مانند را نشان می‌دهند، مجموعه مقالات آکادمی ملی علوم (2026). DOI: 10.1073/pnas.2609639123

اطلاعات مجله: مجموعه مقالات آکادمی ملی علوم

ارائه شده توسط موسسه تحقیقات پزشکی Stowers

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →