به گزارش خبرگزاری ایمنا، در یکی از صبح‌های شنبه ماه آگوست، الکس ناکا مهندس پروتئین اهل کالیفرنیا، موفق به ایجاد تعداد زیادی پروتئین طراحی‌شده توسط هوش مصنوعی شد، این پروتئین‌ها که برای مقابله با گیرنده‌های سلولی جهش‌یافته در برخی از تومورها طراحی شده‌اند، می‌توانند گام بزرگی در درمان سرطان باشند. ناکا این پروتئین‌ها را در مسابقه‌ای به نامAdaptyv Bio در لوزان سوئیس وارد کرد، جایی که پروتئین‌های وی به سرعت به صدر جدول رسیدند.
Adaptyv Bio یکی از چندین مسابقه طراحی پروتئین است که در سال‌های اخیر ظهور کرده و بیشتر شرکت‌کنندگان از ابزارهای پیشرفته هوش مصنوعی مانند AlphaFold و مدل‌های زبانی پروتئین استفاده می‌کنند. این ابزارها به طرز چشمگیری توانسته‌اند طراحی پروتئین‌ها را سرعت بخشند. محققانی که پشت توسعه برخی از این ابزارها هستند، امسال جایزه نوبل شیمی را به خود اختصاص داده‌اند، که نشان‌دهنده اهمیت و پتانسیل این فناوری‌ها است.
هدف از این تحقیقات ایجاد پروتئین‌های مؤثرتر است که می‌توانند به عنوان داروها، آنزیم‌های صنعتی یا معرف‌های آزمایشگاهی استفاده شوند. اما با وجود پیشرفت‌های عظیم، دانشمندان هشدار می‌دهند که تولید پروتئین‌های جدید به اندازه‌ای سریع شده است که سرعت آزمایش و تأیید عملکرد واقعی آن‌ها در آزمایشگاه‌ها را تحت تأثیر قرار داده است. این امر باعث شده تا انتخاب روش‌های مؤثر از میان پروتئین‌های متعدد طراحی‌شده، چالشی پیچیده باشد.
مسابقات طراحی پروتئین نقش کلیدی در تسریع پیشرفت‌های علمی داشته‌اند. رقابت‌هایی مانند CASP که از سال ۱۹۹۴ آغاز شده‌اند، کمک شایانی به توسعه هوش مصنوعی در پیش‌بینی ساختار پروتئین کرده‌اند. در سال ۲۰۱۸، نسخه اولیه ابزار AlphaFold که توسط DeepMind توسعه یافته بود، در این مسابقه پیروز شد. در ادامه، AlphaFold 2 در سال 2020 به حدی پیشرفت کرد که دانشمندان اعلام کردند مشکل پیش‌بینی ساختار پروتئین‌های ساده به طور عمده حل شده است.
با وجود این پیشرفت‌ها، دانشمندان تأکید می‌کنند که این مسابقات باید بر چالش‌هایی مانند تعیین مشکلات مهم برای حل و چگونگی انتخاب عینی برندگان غلبه کنند.
بورکهارد روست، زیست‌شناس محاسباتی در دانشگاه فنی مونیخ، معتقد است که اگر این مسابقات به درستی اجرا نشوند، ممکن است به جای پیشرفت، به آسیب‌رسانی به این حوزه منجر شوند.
در نهایت، این مسابقات و ابزارهای هوش مصنوعی می‌توانند راه‌های جدیدی برای طراحی پروتئین‌ها و تسریع فرآیند آزمایش‌های علمی ایجاد کنند، اما با این حال، هنوز موانعی در راه وجود دارد که باید به دقت بررسی شوند تا این فناوری‌ها به نتایج واقعی و عملی منجر شوند.