نجح فريق بحثي في تطوير تقنية جديدة تهدف إلى تعزيز دقة نماذج الذكاء الاصطناعي التوليدية المخصصة لهندسة البروتينات، وذلك عبر مطابقتها مع بيانات الثبات المخبرية الفعلية. وقد أسفر هذا النهج عن ابتكار نموذج أطلق عليه اسم ProteinDPO.
يقوم النموذج الجديد بتقييم وتوليد سلاسل بروتينية تتميز باستقرار حراري عالٍ. وخلال الاختبارات التطبيقية على بروتين هيموجلوتينين الخاص بفيروس انفلونزا H5N1، أظهر النموذج قدرة فائقة على تحقيق قفزات واسعة في مستوى الثبات الحراري.
إلى جانب تحسين الاستقرار، حافظ النموذج بفاعلية على خصائص التعرف على الأجسام المضادة للبروتين المستهدف. واعتمد التطوير على تقنيات تحسين التفضيل المباشر (DPO) لتكييف نماذج اللغات ونماذج الطي العكسي المسبقة مع القياسات التجريبية.
تفتح هذه النتائج المنشورة في دورية Nature آفاقاً واسعة أمام تطبيقات تصميم البروتينات الحيوية، مما يعزز قدرة الذكاء الاصطناعي على إنتاج بروتينات ذات كفاءة وظيفية عالية ومطابقة للواقع المخبري.
Comments (0)
No comments yet. Be the first.