কৃত্রিম বুদ্ধিমত্তা প্রোটিন স্থিতিশীলতার গোপনীয়তা আনলক করে

বেসিক সায়েন্স ইনস্টিটিউটের অ্যালগরিদম এবং রোবোটিক সংশ্লেষণ কেন্দ্রের গবেষকরা কৃত্রিম বুদ্ধিমত্তার শক্তি ব্যবহার করে প্রোটিন স্থিতিশীলতা বোঝার দিকে একটি বড় পদক্ষেপ নিয়েছেন। গবেষণা দল AlphaFold2 ব্যবহার করে কিভাবে মিউটেশন প্রোটিনের স্থায়িত্বকে প্রভাবিত করে – প্রোটিন সঠিকভাবে কাজ করে এবং আল্জ্হেইমের রোগের মতো রোগ সৃষ্টি করে না তা নিশ্চিত করার একটি মূল কারণ।

ডিপমাইন্ডের আলফাফোল্ড অ্যালগরিদম জিনের উপর ভিত্তি করে প্রোটিনের গঠন সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে এটি জীববিজ্ঞানের পুরো ক্ষেত্রে খেলার নিয়ম পরিবর্তন করে এবং গঠনমূলক জীববিদ্যাকে সবার জন্য অ্যাক্সেসযোগ্য করে তোলে। এই দুর্দান্ত সাফল্য সত্ত্বেও, দুটি মৌলিক প্রশ্নের উত্তর পাওয়া যায় না: ভবিষ্যদ্বাণী করা কাঠামোগুলি কি সঠিকভাবে ভাঁজ করে এবং ভাঁজ করে থাকে? কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদম সম্পর্কে একটি সাধারণ প্রশ্নও রয়েছে: আলফাফোল্ড আসলে কীভাবে কাজ করে?

আলফাফোল্ডের একটি মূল সীমাবদ্ধতা হল এটি একটি সেটে প্রয়োগ করা হয় স্থিতিশীল শারীরবৃত্তীয় তাপমাত্রায় ভাঁজ করা প্রোটিন। অতএব, এটি সম্ভবত ভাঁজ করা কাঠামোর ভবিষ্যদ্বাণী করতে পারে তবে এটি নিশ্চিতভাবে ভাঁজ বা অস্থির হবে কিনা তা জানে না। প্রোটিনের স্থিতিশীলতা বোঝা এবং ভবিষ্যদ্বাণী করা গুরুত্বপূর্ণ কারণ অস্থির প্রোটিনগুলি ভুলভাবে পরিণত হতে পারে, যা কর্মহীনতা এবং সম্ভাব্য গুরুতর রোগের দিকে পরিচালিত করে, তাই কোষগুলিকে নির্মূল করার জন্য উল্লেখযোগ্য পরিমাণে শক্তি ব্যয় করতে হবে। উপরন্তু, অধিকাংশ প্রোটিন শুধুমাত্র প্রান্তিকভাবে স্থিতিশীলতাদেরকে মিউটেশনের জন্য অত্যন্ত সংবেদনশীল করে তোলে যা তাদের উদ্ভাসিত হতে পারে। প্রোটিন প্রকৌশল তাই মূলত উদ্ভাসিত, অকার্যকর প্রোটিন সিকোয়েন্সের একটি মাইনফিল্ডে সাবধানে নেভিগেট করার বিষয়। এই সমস্তটির অর্থ হল আলফাফোল্ড ব্যবহার করার পরবর্তী পদক্ষেপটি মিউটেশনের কারণে স্থিতিশীলতার পরিবর্তনের পূর্বাভাস দেওয়ার চেষ্টা করা উচিত।

এই গবেষণার দ্বারা পরীক্ষিত একটি মৌলিক প্রশ্ন হল যে আলফাফোল্ড ইতিমধ্যেই প্রোটিন ভাঁজ করার অন্তর্নিহিত পদার্থবিদ্যা বোঝে নাকি শুধুমাত্র একটি উচ্চ-মাত্রিক রিগ্রেশন মেশিন যা শুধুমাত্র পরিসংখ্যানগত নিদর্শনগুলিকে স্বীকৃতি দেয়। এই প্রশ্ন সামর্থ্য নিয়ে সারাংশ: যদি আলফাফোল্ড খেলার সময় শারীরিক শক্তিগুলিকে কোনওভাবে বুঝতে পারে তবে এটি প্রোটিন সিকোয়েন্সগুলি পরিচালনা করতে সক্ষম হওয়া উচিত যা এটি আগে কখনও দেখেনি।

দুজন আইবিএস গবেষক জন এমসিব্রিড এবং টিসভি টিলুস্টি তাদের গবেষণায় এটিই পরীক্ষা করতে চেয়েছিলেন। তারা আলফাফোল্ড স্থিতিশীলতার উপর মিউটেশনের প্রভাব সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে কিনা তা পরীক্ষা করে এই সমস্যার সমাধান করেছে। আলফাফোল্ড প্রশিক্ষণে ব্যবহৃত ডেটা পয়েন্টের তুলনায় মিউটেশনের সংখ্যা অনেক বেশি, যার মানে হল যে এমনকি খুব জটিল রিগ্রেশনও মিউটেশন প্রভাবের সম্পূর্ণ পরিসরের জন্য যথেষ্ট নয়। এই কাজটি অত্যন্ত চ্যালেঞ্জিং কারণ স্থিতিশীলতার সমালোচনামূলক পরিবর্তনগুলি প্রায়ই ছোট কাঠামোগত পরিবর্তনগুলিকে জড়িত করে যা ভবিষ্যদ্বাণী করা কঠিন। তবুও, এটি দেখা যাচ্ছে যে আলফাফোল্ড দ্বারা ভবিষ্যদ্বাণী করা কাঠামোগত পরিবর্তনগুলিতে কিছু দরকারী সূত্র রয়েছে, সম্ভাব্য স্থিতিশীলতার পরিবর্তন সম্পর্কে মূল্যবান তথ্য প্রদান করে।

আইবিএস গবেষকরা বন্য-প্রকার এবং মিউট্যান্ট প্রোটিনের মধ্যে পরীক্ষামূলকভাবে পরিমাপিত স্থিতিশীলতার পার্থক্যের সাথে মিউটেশনের কারণে সৃষ্ট কাঠামোগত পরিবর্তনগুলির তুলনা করে এটি প্রদর্শন করেছেন (1)। একটি মূল কারণ হল ছোট পরিবর্তনের জন্য অত্যন্ত সংবেদনশীল প্রোবের ব্যবহার। গবেষকরা একটি উদ্ভাবনী মেট্রিক ডিজাইন করেছেন, যাকে বলা হয় কার্যকর স্ট্রেন, (2) প্রোটিন গঠনে ছোট কিন্তু গুরুত্বপূর্ণ পরিবর্তনগুলি সনাক্ত করতে যা স্থিতিশীলতার সাথে প্রাসঙ্গিক।

হাজার হাজার মিউটেশন দেখে, তারা দেখতে পেল যে কার্যকর স্ট্রেন পরিমাপ স্থিতিশীলতার পরিবর্তনের মাত্রার সাথে সম্পর্কযুক্ত। অর্থাৎ, বৃহৎ কাঠামোগত পরিবর্তন (আলফাফোল্ড দ্বারা পূর্বাভাসিত) এছাড়াও স্থায়িত্বের বড় পরিবর্তনের পূর্বাভাস দেয়।

এটি দৃঢ়ভাবে পরামর্শ দেয় যে আলফাফোল্ড দ্বারা ভবিষ্যদ্বাণী করা কাঠামো গুরুত্বপূর্ণ শারীরিক তথ্য, বিশেষ করে স্থিতিশীলতার তথ্য এনকোড করে। এই তথ্যটি আরও ডিকোড করার জন্য নতুন শারীরিক মডেলগুলি বিকাশ করা প্রয়োজন।

জন ম্যাকব্রাইড, মৌলিক বিজ্ঞান ইনস্টিটিউটের প্রধান লেখক এবং গবেষক

এই অন্তর্দৃষ্টি প্রোটিন প্রকৌশলে নতুন সম্ভাবনার দ্বার উন্মোচন করে, এমন একটি ক্ষেত্র যাতে নির্দিষ্ট ফাংশন সহ প্রোটিন ডিজাইন করা জড়িত। মিউটেশন কীভাবে স্থিতিশীলতাকে প্রভাবিত করে তা আরও ভালভাবে বোঝার মাধ্যমে, বিজ্ঞানীরা প্রোটিন ডিজাইনের জটিল ক্ষেত্রটিকে আরও কার্যকরভাবে নেভিগেট করতে পারেন, সম্ভাব্যভাবে ওষুধের বিকাশে অগ্রগতি এবং প্রোটিন মিসফোল্ডিংয়ের কারণে সৃষ্ট রোগের চিকিত্সার জন্য।

জীববিজ্ঞানের জটিলতাগুলিকে উন্মোচন করতে কীভাবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা যেতে পারে তার চলমান অন্বেষণে এই অধ্যয়নটি একটি গুরুত্বপূর্ণ মাইলফলক চিহ্নিত করে এবং বৈজ্ঞানিক আবিষ্কারে কৃত্রিম বুদ্ধিমত্তার সম্ভাবনা সম্পূর্ণরূপে প্রকাশ করার জন্য আরও গবেষণার প্রয়োজনীয়তা তুলে ধরে।