يطبق الباحثون في جامعة ميسوري شكلاً من أشكال الذكاء الاصطناعي (AI) artificial intelligence- استخدم سابقًا لتحليل كيفية تحريك لاعبي الرابطة الوطنية لكرة السلة (NBA) National Basketball Association أجسادهم- لمساعدة العلماء الآن على تطوير علاجات دوائية جديدة للعلاجات الطبية التي تستهدف السرطانات والأمراض الأخرى.
يمكن أن يساعد نوع الذكاء الاصطناعي، المسمى بالرسم البياني للشبكة العصبية graph neural network، العلماء في تسريع الوقت الذي يستغرقه غربلة كميات كبيرة من البيانات الناتجة عن دراسة ديناميات البروتين protein dynamics. قال Dong Xu، الأستاذ المتميز في قسم الهندسة الكهربائية وعلوم الكمبيوتر في كلية MU للهندسة وأحد مؤلفي الدراسة، إن هذا النهج يمكن أن يوفر طرقًا جديدة لتحديد المواقع المستهدفة على البروتينات للأدوية للعمل بفعالية.
قال Xu، وهو أيضًا أستاذ Paul K: "النتيجة الجديدة لهذه الطريقة هي أننا حددنا مسارًا بين مناطق مختلفة من بنية البروتين، مما قد يسمح للعلماء الذين يصممون الأدوية برؤية مواقع مستهدفة إضافية محتملة لتقديم العلاجات المستهدفة. وهذا يمكن أن يزيد من فرص العلاج قد يكون ناجحًا".
قال Xu إنه يمكنهم أيضًا محاكاة كيفية تغير البروتينات فيما يتعلق بالظروف المختلفة، مثل تطور السرطان، ثم استخدام هذه المعلومات لاستنتاج علاقاتهم بوظائف الجسم الأخرى.
قال Xu: "من خلال التعلم الآلي machine learning، يمكننا حقًا دراسة التفاعلات المهمة داخل مناطق مختلفة من بنية البروتين". "توفر طريقتنا مراجعة منهجية للبيانات المتضمنة عند دراسة البروتينات، بالإضافة إلى حالة طاقة البروتين، والتي يمكن أن تساعد عند تحديد تأثير أي طفرة محتملة. وهذا مهم لأن طفرات البروتين يمكن أن تعزز احتمالية تطور السرطانات والأمراض الأخرى في الجسم".
يمكن أن يساعد نوع الذكاء الاصطناعي، المسمى بالرسم البياني للشبكة العصبية graph neural network، العلماء في تسريع الوقت الذي يستغرقه غربلة كميات كبيرة من البيانات الناتجة عن دراسة ديناميات البروتين protein dynamics. قال Dong Xu، الأستاذ المتميز في قسم الهندسة الكهربائية وعلوم الكمبيوتر في كلية MU للهندسة وأحد مؤلفي الدراسة، إن هذا النهج يمكن أن يوفر طرقًا جديدة لتحديد المواقع المستهدفة على البروتينات للأدوية للعمل بفعالية.
قال Xu، وهو أيضًا أستاذ Paul K: "النتيجة الجديدة لهذه الطريقة هي أننا حددنا مسارًا بين مناطق مختلفة من بنية البروتين، مما قد يسمح للعلماء الذين يصممون الأدوية برؤية مواقع مستهدفة إضافية محتملة لتقديم العلاجات المستهدفة. وهذا يمكن أن يزيد من فرص العلاج قد يكون ناجحًا".
قال Xu إنه يمكنهم أيضًا محاكاة كيفية تغير البروتينات فيما يتعلق بالظروف المختلفة، مثل تطور السرطان، ثم استخدام هذه المعلومات لاستنتاج علاقاتهم بوظائف الجسم الأخرى.
قال Xu: "من خلال التعلم الآلي machine learning، يمكننا حقًا دراسة التفاعلات المهمة داخل مناطق مختلفة من بنية البروتين". "توفر طريقتنا مراجعة منهجية للبيانات المتضمنة عند دراسة البروتينات، بالإضافة إلى حالة طاقة البروتين، والتي يمكن أن تساعد عند تحديد تأثير أي طفرة محتملة. وهذا مهم لأن طفرات البروتين يمكن أن تعزز احتمالية تطور السرطانات والأمراض الأخرى في الجسم".
نُشر البحث في مجلة Nature Communications.