پلت فرم هوش مصنوعی و پایگاه داده جداسازی فاز پروتئین را در بین گونه ها ترسیم می کنند

ویرایش شده توسط Sadie Harley، بررسی توسط Robert Egan

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:

دانشمندان دانشگاه فناوری نانیانگ، سنگاپور (NTU سنگاپور) یک پایگاه داده مبتنی بر هوش مصنوعی و پلتفرمی را توسعه داده‌اند که می‌تواند محققان را قادر سازد تا با دقت بیشتری پیش‌بینی کنند که کدام پروتئین‌ها تحت جداسازی فاز قرار می‌گیرند - فرآیندی که از طریق آن پروتئین‌های سلول‌ها مانند قطرات روغن در آب جدا می‌شوند.

این ابزارها نتیجه تجزیه و تحلیل سیستماتیک پروتئین‌های پیش‌بینی‌شده جداکننده فاز از موجودات زنده مختلف از جمله حیوانات، گیاهان، قارچ‌ها و موجودات تک سلولی مانند باکتری‌ها هستند. از تجزیه و تحلیل های خود، دانشمندان همچنین به بینش های اساسی در مورد فرآیند جداسازی فاز پی بردند.

این تحقیق توسط پروفسور Miao Yansong از دانشکده علوم زیستی و موسسه تجزیه و تحلیل مولکولی دیجیتال و علوم (IDMxS) در NTU، با همکاری پروفسور Gao Weibo از دانشکده مهندسی برق و الکترونیک NTU انجام شد. این می تواند برای پیشرفت درک بیماری ها و پیری و همچنین برای بهبود محصولات زراعی به کار رود.

هم ابزارهای هوش مصنوعی و هم یافته های تحقیق در مجله Molecular Plant گزارش شده است.

پروتئین‌های جداکننده فاز از محیط اطراف خود جدا می‌شوند و در محفظه‌های قطره‌مانند متمرکز می‌شوند و سلول‌ها را قادر می‌سازند تا مولکول‌ها را به هم نزدیک کنند و واکنش‌ها را برای پاسخ سریع به استرس تسریع یا سرکوب کنند.

هنگامی که جداسازی فاز تغییر می‌کند، این پروتئین‌ها می‌توانند متراکم‌ها یا توده‌های غیرطبیعی تشکیل دهند که با بیماری‌هایی از جمله سرطان و اختلالات عصبی مانند بیماری آلزایمر مرتبط هستند. در گیاهان، تغییرات در جداسازی فاز با اختلال در پاسخ های استرس و کاهش ایمنی در برابر پاتوژن های میکروبی مرتبط است.

شناسایی پروتئین‌هایی که تحت جداسازی فاز قرار می‌گیرند و تعیین نحوه تنظیم این رفتار برای کاربردهایی از تحقیقات زیست‌پزشکی در مورد بیماری‌ها و پیری گرفته تا ابداع روش‌هایی برای کشاورزی پایدار مهم هستند.

با این حال، پیش‌بینی دقیق همچنان چالش برانگیز است زیرا پروتئین‌های جداکننده فاز به صورت پویا در ساختارهای پیچیده جمع می‌شوند و با اجزای سلولی متعددی تعامل دارند. پرداختن به این چالش ها مستلزم مجموعه داده های آزمایشی جامع و اطلاعات در سطح سیستم در موجودات مختلف است.

علاوه بر این، بیشتر مجموعه‌ها عمدتا بر روی پروتئین‌های تمام قد تمرکز می‌کنند در حالی که نتایج تجربی منفی تأیید شده، پروتئین‌های کوتاه‌شده و انواع توالی مانند جهش‌ها را نشان نمی‌دهند. این عدم تعادل اغلب باعث می شود که مدل های پیش بینی گرایش پروتئین به متراکم شدن را بیش از حد تخمین بزنند.

برای رفع این شکاف، تیم NTU از مدل‌های هوش مصنوعی با زبان بزرگ برای استخراج سیستماتیک مقالات علمی نمایه‌شده در PubMed استفاده کرد. محققان قبل از بررسی دستی نتایج برای اطمینان از صحت علمی، اطلاعاتی در مورد پروتئین های آزمایش شده آزمایش شده و رفتار فاز آنها استخراج کردند.

پایگاه داده به‌دست‌آمده، PLATO، شامل 5118 توالی پروتئین منحصربه‌فرد است که شامل بیش از 3600 پروتئین است که تحت جداسازی فاز قرار می‌گیرند و 1300 پروتئین که این کار را انجام نمی‌دهند. این نسخه های کوتاه شده از پروتئین ها، جهش ها و انواع مهندسی شده را که در مجموعه داده های جداسازی فاز موجود نادر هستند، ضبط می کند. این امر باعث می شود که PLATO به منبعی ارزشمند برای توسعه ابزارهای هوش مصنوعی دقیق تر که پروتئین های جداکننده فاز را پیش بینی می کنند، تبدیل کند.

بسیاری از مولکول‌های مختلف مانند اسیدهای نوکلئیک نیز با پروتئین‌های جداکننده فاز تعامل می‌کنند تا آنها را به صورت قطرات سازماندهی کنند.

برای بررسی این فعل و انفعالات، دانشمندان همچنین PhaseHub را ایجاد کردند. آنها ابتدا از MolPhase، یک الگوریتم یادگیری ماشینی که قبلا توسعه داده بودند، برای پیش‌بینی پروتئین‌های جداکننده فاز از 1106 گونه استفاده کردند. آنها سپس نتایج MolPhase را با داده های تجربی در مورد فراوانی پروتئین و فعل و انفعالات ترکیب کردند تا این بخش های چند جزئی را در فرآیندهای بیولوژیکی مختلف شناسایی کنند.

این رویکرد به محققان اجازه می‌دهد تا پروتئینی را جستجو کنند یا دنباله‌ای را ارسال کنند، ویژگی‌های پیش‌بینی‌شده جداسازی فاز آن را بررسی کنند، برهمکنش‌های بالقوه را تجسم کنند و ویژگی‌هایی را که بر برهمکنش‌های مولکولی تأثیر می‌گذارند، مانند کشش‌های مداوم اسیدهای آمینه مکرر معروف به homorepeats، کشف کنند.

دانشمندان دریافتند که یوکاریوت‌ها - ارگانیسم‌هایی که سلول‌های آنها دارای هسته هستند - معمولا نسبت به موجوداتی مانند باکتری‌هایی که هسته ندارند، نسبت به میزان قابل‌توجهی پروتئین‌هایی دارند که ممکن است تحت جداسازی فاز قرار گیرند. در میان موجودات با ژنوم کوچکتر، نسبت پروتئین های جداکننده فاز با اندازه ژنوم قبل از رسیدن به یک فلات افزایش می یابد.

این یافته ها تعادل بین محتوای DNA ژنومی و ظرفیت جداسازی فاز را نشان می دهد. ژنوم‌های بزرگ‌تر پروتئین‌های جداکننده فاز بیشتری را کد می‌کنند، که می‌تواند فرآیندهای سلولی را بهبود بخشد. با این حال، تمایل بیش از حد به متراکم شدن ممکن است خطر تجمع مضر را افزایش دهد.

دکتر لیانگ کیو، محقق IDMxS، که اولین نویسنده هر دو مقاله بود، گفت: «کار ما چارچوبی جامع برای درک پروتئین‌های جداکننده فاز فراهم می‌کند که به عنوان یک منبع ارزشمند برای محققان در این زمینه عمل می‌کند.

میائو گفت: "با استفاده از هوش مصنوعی و زیست‌شناسی سیستم‌ها برای ادغام داده‌های تجربی با یافته‌های ادبیات موجود، پلتفرم‌های ما ابزارهای دقیق و کاربرپسندی را برای پیش‌بینی و شناسایی پروتئین‌هایی که ممکن است در معرض جداسازی فازی قرار گیرند، ارائه می‌کنند. این ابزارها تحقیقات در مورد نقش این پروتئین‌ها در کشاورزی و همچنین بیماری‌های انسانی را پیش می‌برد."

Qiyu Liang و همکاران، PLATO: یک معیار جدید برای پیش‌بینی جداسازی فاز، Molecular Plant (2026). DOI: 10.1016/j.molp.2026.07.015

Qiyu Liang و همکاران، از بینش فاز پان-زندگی تا PhaseHub: تجزیه و تحلیل پیچیدگی میعانات پروتئین، گیاه مولکولی (2026). DOI: 10.1016/j.molp.2026.07.019

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. 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 →