دانشمندان دانشگاه ایالتی واشنگتن (Washington State University) با بهره‌گیری از هوش مصنوعی و شبیه‌سازی‌های مولکولی پیشرفته موفق به شناسایی روشی نوآورانه برای جلوگیری از ورود ویروس‌ها به سلول‌های بدن شدند. این پژوهش که در مجله علمی Nanoscale منتشر شده، می‌تواند مسیر تازه‌ای برای توسعه درمان‌های ضدویروسی نسل آینده باز کند؛ درمان‌هایی که به‌جای مقابله مستقیم با ویروس، یکی از حیاتی‌ترین تعاملات مولکولی آن را مختل می‌کنند.

تمرکز اصلی این تحقیق بر روی ویروس‌های خانواده هرپس (Herpes viruses) بوده است؛ ویروس‌هایی بسیار شایع که عامل بیماری‌های متعددی در انسان و حیوانات هستند. این ویروس‌ها برای آلوده‌کردن سلول‌ها از یک پروتئین همجوشی (Fusion Protein) استفاده می‌کنند که به آن‌ها اجازه می‌دهد با غشای سلول میزبان ادغام شده و وارد آن شوند. با وجود اهمیت این فرآیند، تاکنون درک دقیقی از تغییرات ساختاری این پروتئین در هنگام ورود ویروس وجود نداشت؛ موضوعی که توسعه واکسن و درمان مؤثر را دشوار کرده است.

نقش هوش مصنوعی در شناسایی تعامل حیاتی

تیم تحقیقاتی متشکل از پژوهشگران دانشکده مهندسی مکانیک و مواد و همچنین دپارتمان میکروبیولوژی و آسیب‌شناسی دامپزشکی، برای حل این چالش از الگوریتم‌های یادگیری ماشین و شبیه‌سازی‌های مولکولی استفاده کردند. آن‌ها هزاران تعامل احتمالی بین اسیدهای آمینه (اجزای سازنده پروتئین‌ها) را بررسی کردند تا مهم‌ترین و تأثیرگذارترین تعامل را شناسایی کنند.

به گفته «جین لیو»، نویسنده مسئول مقاله و استاد مهندسی مواد، همه تعاملات مولکولی در یک پروتئین اهمیت یکسانی ندارند. بسیاری از آن‌ها صرفاً «نویز پس‌زمینه» هستند، اما تعداد کمی از آن‌ها نقشی حیاتی در عملکرد پروتئین ایفا می‌کنند. هوش مصنوعی به محققان کمک کرد تا از میان هزاران گزینه، یک اسید آمینه کلیدی را که نقش اساسی در ورود ویروس به سلول دارد، شناسایی کنند.

تأیید آزمایشگاهی و مسدود شدن ورود ویروس

پس از شناسایی این نقطه‌ضعف، تیم آزمایشگاهی به سرپرستی «آنتونی نیکولا» با ایجاد یک جهش هدفمند در این اسید آمینه، عملکرد پروتئین همجوشی را مختل کرد. نتایج نشان داد که ویروس دیگر قادر به ادغام با سلول و ورود به آن نیست؛ به بیان ساده، دروازه ورود ویروس بسته شد. این موفقیت نشان می‌دهد که ترکیب هوش مصنوعی، شبیه‌سازی نظری و آزمایش‌های زیستی می‌تواند فرآیند کشف دارو را به‌طور چشمگیری تسریع کند. به گفته لیو، اگر این فرآیند صرفاً با روش آزمون و خطا انجام می‌شد، ممکن بود سال‌ها زمان ببرد، در حالی که AI این مسیر را بسیار کوتاه‌تر کرده است.

آینده پژوهش و درمان‌های ضدویروسی

با وجود این دستاورد مهم، محققان تأکید می‌کنند که هنوز پرسش‌های زیادی باقی مانده است؛ از جمله اینکه چگونه تغییر یک تعامل کوچک در مقیاس مولکولی می‌تواند ساختار کل پروتئین را در مقیاس بزرگ‌تر دگرگون کند. آن‌ها قصد دارند در ادامه، با استفاده گسترده‌تر از یادگیری ماشین و شبیه‌سازی‌های چندمقیاسی، این شکاف دانشی را پر کنند. این تحقیق نمونه‌ای روشن از نقش فزاینده هوش مصنوعی در زیست‌پزشکی، ویروس‌شناسی و توسعه دارو است و نشان می‌دهد که AI می‌تواند به کشف درمان‌هایی منجر شود که پیش از این دستیابی به آن‌ها بسیار زمان‌بر یا حتی غیرممکن به نظر می‌رسید.

منبع خبر: sciencedaily