কোষের ঝিল্লি প্রোটিনের সিন্থেটিক দ্রবণীয় সংস্করণ ইঞ্জিনিয়ার করার জন্য গভীর শিক্ষা ব্যবহার করে

অনেক ওষুধ এবং অ্যান্টিবডি আবিষ্কারের পথগুলি জটিলভাবে ভাঁজ করা কোষের ঝিল্লি প্রোটিনের উপর ফোকাস করে: যখন প্রার্থী ওষুধের অণুগুলি এই প্রোটিনগুলির সাথে আবদ্ধ হয়, যেমন একটি তালায় লাগানো চাবির মতো, তারা রাসায়নিক ক্যাসকেডগুলি ট্রিগার করে যা কোষের আচরণকে পরিবর্তন করে। কিন্তু যেহেতু এই প্রোটিনগুলি কোষের লিপিডযুক্ত বাইরের স্তরে এম্বেড করা হয়, সেগুলি অ্যাক্সেস করা কঠিন এবং তারা জল-ভিত্তিক দ্রবণে (হাইড্রোফোবিসিটি) অদ্রবণীয়, তাদের অধ্যয়ন করা কঠিন করে তোলে।

আমরা কোষের ঝিল্লি থেকে এই প্রোটিনগুলিকে বিচ্ছিন্ন করতে চেয়েছিলাম, তাই আমরা তাদের আল্ট্রাস্টেবল দ্রবণীয় অ্যানালগগুলিতে পুনরায় ডিজাইন করেছি যা দেখতে ঝিল্লি প্রোটিনের মতো কিন্তু ম্যানিপুলেট করা সহজ। “

ক্যাসপার গোভার্ড, স্কুল অফ ইঞ্জিনিয়ারিং-এর প্রোটিন ডিজাইন অ্যান্ড ইমিউনোইঞ্জিনিয়ারিং (LPDI) ল্যাবরেটরিতে ডক্টরেট ছাত্র

সংক্ষেপে, গভর্দে এবং এলপিডিআই-এর গবেষকদের একটি দল (ব্রুনো কোরিয়ার নেতৃত্বে) ড্রাগ গবেষণায় সাধারণত ব্যবহৃত সিন্থেটিক দ্রবণীয় কোষের ঝিল্লি প্রোটিন প্রকৌশলী করার জন্য গভীর শিক্ষা ব্যবহার করেছেন। যদিও ঐতিহ্যগত স্ক্রীনিং পদ্ধতিগুলি ড্রাগ এবং অ্যান্টিবডি প্রার্থীদের কোষগুলির প্রতিক্রিয়াগুলির পরোক্ষ পর্যবেক্ষণের উপর নির্ভর করে, বা স্তন্যপায়ী কোষ থেকে অল্প পরিমাণে ঝিল্লি প্রোটিনগুলির যত্নশীল নিষ্কাশনের উপর নির্ভর করে, গবেষকদের গণনামূলক পদ্ধতি তাদের সমীকরণ থেকে কোষগুলিকে সরিয়ে দেওয়ার অনুমতি দেয়। দ্রবণীয় প্রোটিন অ্যানালগ ডিজাইন করার জন্য একটি গভীর শিক্ষার পাইপলাইন ব্যবহার করার পরে, তারা পরিবর্তিত প্রোটিন বড় পরিমাণে উত্পাদন করতে ব্যাকটেরিয়া ব্যবহার করতে পারে। এই প্রোটিনগুলি তখন সরাসরি সমাধানে আগ্রহের আণবিক প্রার্থীদের সাথে আবদ্ধ হতে পারে।

“আমরা এটি ব্যবহার করে অনুমান করি ই কোলাই এটি স্তন্যপায়ী কোষ ব্যবহারের তুলনায় প্রায় 10 গুণ সস্তা,” ডক্টরাল ছাত্র নিকোলাস গোল্ডবাচ যোগ করেন।

দলের গবেষণাটি সম্প্রতি জার্নালে প্রকাশিত হয়েছে প্রকৃতি

প্রোটিন ডিজাইন স্ক্রিপ্ট পরিবর্তন করুন

সাম্প্রতিক বছরগুলিতে, বিজ্ঞানীরা সফলভাবে কৃত্রিম বুদ্ধিমত্তা নেটওয়ার্কগুলিকে গভীর শিক্ষা ব্যবহার করে নতুন প্রোটিন কাঠামো ডিজাইন করতে ব্যবহার করেছেন, যেমন অ্যামিনো অ্যাসিড বিল্ডিং ব্লকের ইনপুট সিকোয়েন্সের উপর ভিত্তি করে ভবিষ্যদ্বাণী। কিন্তু এই গবেষণায়, গবেষকরা ইতিমধ্যেই প্রকৃতিতে বিদ্যমান প্রোটিন ভাঁজগুলিতে আগ্রহী ছিলেন তারা এই প্রোটিনের আরও অ্যাক্সেসযোগ্য, আরও দ্রবণীয় সংস্করণ চেয়েছিলেন।

“প্রোটিন কাঠামোর পূর্বাভাস দেওয়ার জন্য এই গভীর শিক্ষার পাইপলাইনটি উল্টানো হচ্ছে: যদি আমরা একটি কাঠামোতে ফিড করি, তবে এটি কি আমাদেরকে সংশ্লিষ্ট অ্যামিনো অ্যাসিডের ক্রমটি ব্যাখ্যা করে?”

এই লক্ষ্য অর্জনের জন্য, দলটি Google DeepMind এর কাঠামোর পূর্বাভাস প্ল্যাটফর্ম AlphaFold2 ব্যবহার করে বেশ কয়েকটি মূল কোষের ঝিল্লি প্রোটিনের 3D কাঠামোর উপর ভিত্তি করে দ্রবণীয় অ্যামিনো অ্যাসিড ক্রম তৈরি করতে। তারপরে তারা কার্যকরী দ্রবণীয় প্রোটিন প্রাপ্ত করার জন্য একটি দ্বিতীয় গভীর শিক্ষার নেটওয়ার্ক, প্রোটিনএমপিএনএন ব্যবহার করে এই ক্রমগুলিকে অপ্টিমাইজ করে। গবেষকরা এটি দেখে খুশি হয়েছিলেন যে তাদের পদ্ধতিটি দ্রবণীয় প্রোটিন তৈরিতে অসাধারণ সাফল্য এবং নির্ভুলতা অর্জন করেছে যা তাদের নেটিভ কার্যকারিতার অংশ ধরে রাখে, এমনকি যখন অত্যন্ত জটিল ভাঁজগুলিতে প্রয়োগ করা হয় যা এখনও পর্যন্ত অন্যান্য নকশা পদ্ধতি দ্বারা অপ্রাপ্য ছিল।

“বায়োকেমিস্ট্রির পবিত্র গ্রেইল”

এই গবেষণার একটি বিশেষ জয় হল একটি প্রোটিনের আকৃতির একটি দ্রবণীয় অ্যানালগ যার নাম একটি G প্রোটিন-কাপল্ড রিসেপ্টর (GPCR), যা মানব কোষের ঝিল্লির প্রোটিনের প্রায় 40% জন্য দায়ী এবং এটি একটি প্রধান ড্রাগ পয়েন্ট .

“আমরা প্রথমবারের মতো দেখিয়েছি যে আমরা একটি GPCR-এর আকৃতিকে একটি স্থিতিশীল, দ্রবণীয় অ্যানালগ হিসাবে পুনরায় ডিজাইন করতে পারি৷ এটি জৈব রসায়নে একটি দীর্ঘস্থায়ী সমস্যা কারণ আপনি যদি এটিকে দ্রবণীয় করতে পারেন তবে আপনি নতুন ওষুধগুলি দ্রুত এবং সহজে স্ক্রিন করতে পারেন৷ “, এলপিডিআই বিজ্ঞানী মার্টিন পেসেসা বলেছেন।

গবেষকরা এই ফলাফলগুলিকে ভ্যাকসিন গবেষণা এবং এমনকি ক্যান্সারের চিকিত্সায় তাদের পণ্য লাইনের প্রয়োগের ধারণার প্রমাণ হিসাবেও দেখেন। উদাহরণস্বরূপ, তারা ক্লাউডিন নামক একটি প্রোটিনের দ্রবণীয় অ্যানালগ ডিজাইন করেছে, যা টিউমারকে প্রতিরোধ ক্ষমতা এবং কেমোথেরাপি প্রতিরোধী করতে ভূমিকা পালন করে। তাদের পরীক্ষায়, দলের দ্রবণীয় ক্লাউডিন অ্যানালগগুলি তাদের জৈবিক বৈশিষ্ট্যগুলি ধরে রেখেছে, ওষুধের বিকাশের জন্য আকর্ষণীয় লক্ষ্যগুলি তৈরি করার জন্য পাইপলাইনের সম্ভাবনাকে শক্তিশালী করেছে।