Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

AI โปรตีนติดลายน้ำ กูเกิล ดีพมายด์เปิดตัวเทคโนโลยีระบุแหล่งที่มา

กูเกิล ดีพมายด์ (Google DeepMind) เปิดตัวเทคโนโลยีลายน้ำสำหรับระบุว่าโปรตีนถูกออกแบบด้วยปัญญาประดิษฐ์ (AI) หรือไม่ โดยฝังสัญญาณไว้ในลำดับกรดอะมิโนและโครงสร้างสามมิติของโปรตีน เพื่อให้ตรวจสอบได้แม้หลังสังเคราะห์โปรตีนจริงแล้ว

ทีมนักวิจัยกูเกิล ดีพมายด์แนะนำ ‘SynthID Bio’ ในบทความวิจัยที่เผยแพร่ในวารสาร Nature เมื่อวันที่ 30 กันยายน ขณะที่กูเกิล ดีพมายด์ระบุใน ประกาศอย่างเป็นทางการในวันเดียวกันว่า เทคโนโลยีนี้มีเป้าหมายทิ้งสัญญาณที่ตรวจสอบได้ทั้งในโมเดลดิจิทัลและโปรตีนจริงที่สังเคราะห์ในห้องปฏิบัติการ

SynthID Bio ทำงาน 2 รูปแบบตามประเภทข้อมูลโปรตีน สำหรับลำดับกรดอะมิโน ระบบจะสะท้อนสัญญาณลายน้ำเข้าไปในกระบวนการเลือกกรดอะมิโนของ ProteinMPNN และเลือกกรดอะมิโนที่สอดคล้องกับสัญญาณก่อนจากกลุ่มตัวเลือกที่มีแนวโน้มรักษาหน้าที่ของโปรตีนไว้ได้

สัญญาณลายน้ำจะกระจายเชิงสถิติไปทั่วลำดับโปรตีน ผู้ตรวจสอบจะใช้คีย์ลับคำนวณความถี่ที่กรดอะมิโนซึ่งเป็นตัวเลือกของลายน้ำปรากฏในลำดับทั้งหมด เพื่อพิจารณาว่าโปรตีนนั้นมาจากแหล่งที่มีลายน้ำหรือไม่

สำหรับโครงสร้างสามมิติ ระบบจะปรับแต่งบางส่วนของโมเดลการแพร่กระจายของ AlphaFold 3 เพื่อฝังลายน้ำลงในพิกัดอะตอมที่คาดการณ์ไว้ กูเกิล ดีพมายด์ระบุว่าสามารถรักษาความแม่นยำของการคาดการณ์โครงสร้างไว้ได้ พร้อมกับประสิทธิภาพการตรวจจับลายน้ำ

การรักษาหน้าที่ของโปรตีนได้รับการตรวจสอบกับ VEGF-A, โดเมนจับตัวรับของโปรตีนหนาม SARS-CoV-2 และ PD-L1 กูเกิล ดีพมายด์ระบุว่าโปรตีนที่ใส่ลายน้ำให้ผลใกล้เคียงกับโปรตีนที่ไม่มีลายน้ำในด้านอัตราความสำเร็จในการจับ ความสามารถในการจับ และความหลากหลายของลำดับ

เครื่องมือออกแบบโปรตีนด้วย AI อาจสร้างลำดับใหม่ที่มีความคล้ายคลึงกับฐานข้อมูลโปรตีนธรรมชาติน้อย ปัญหานี้ทำให้เกิดข้อกังวลว่าบริษัทสังเคราะห์ DNA อาจประเมินความปลอดภัยได้ยาก หากพิจารณาเพียงความคล้ายคลึงกับลำดับที่รู้ว่ามีความเสี่ยง

กูเกิล ดีพมายด์อธิบายว่า บริษัทสังเคราะห์ DNA อาจใช้ SynthID Bio เป็นสัญญาณประกอบเมื่อตรวจสอบลำดับโปรตีนที่ไม่คุ้นเคย นอกจากนี้ยังใช้ระบุแหล่งที่มาของโปรตีนสังเคราะห์ที่ส่งเข้าสู่ฐานข้อมูลชีววิทยา เช่น Protein Data Bank, UniProt และ GenBank หรือจัดลำดับดังกล่าวเข้าสู่กระบวนการตรวจสอบเพิ่มเติมได้

ซาราห์ คาร์เตอร์ (Sarah Carter) Science Policy Consulting Principal กล่าวว่า “นี่เป็นชิ้นส่วนสำคัญในการติดตามแหล่งที่มาของการออกแบบทางชีววิทยา และอาจช่วยให้บริษัทสังเคราะห์ DNA ตรวจสอบลำดับของลูกค้าที่ใช้โมเดลดังกล่าวได้อย่างมีประสิทธิภาพมากขึ้น” คำกล่าวนี้สะท้อนว่าลายน้ำอาจช่วยเสริมขั้นตอนตรวจสอบแหล่งที่มาระหว่างเครื่องมือออกแบบโปรตีนกับบริษัทสังเคราะห์ DNA

เจมส์ ดิกแกนส์ (James Diggans) รองประธานฝ่ายนโยบายและความมั่นคงทางชีวภาพของ Twist Bioscience กล่าวว่า ลายน้ำอาจช่วยเสริมเครื่องมือด้านความมั่นคงทางชีวภาพ และช่วยให้จัดสรรทรัพยากรไปยังลำดับที่ต้องตรวจสอบเพิ่มเติมได้ อย่างไรก็ตาม คำกล่าวดังกล่าวไม่ได้หมายความว่าลายน้ำจะเข้ามาแทนที่ระบบตรวจสอบที่มีอยู่

SynthID Bio ไม่ใช่เทคโนโลยีที่พิสูจน์ความปลอดภัยหรือความไม่เป็นอันตรายของโปรตีน ลายน้ำเป็นเพียงสัญญาณสำหรับระบุแหล่งที่มา ขณะที่การประเมินความเสี่ยงจริงยังต้องอาศัยการตรวจสอบทางชีววิทยาเพิ่มเติม

โปรตีนที่มีลำดับสั้นอาจตรวจจับได้ยาก เพราะมีสัญญาณสะสมไม่เพียงพอ หากนำไปผสานกับโปรตีนธรรมชาติชนิดอื่นเพื่อทำให้ลำดับยาวขึ้น ลายน้ำก็อาจถูกเจือจาง อีกทั้งกระบวนการตัดสินเชิงสถิติอาจเกิดการตรวจจับผิดและการตรวจไม่พบได้

ความมั่นคงของลายน้ำยังขึ้นอยู่กับระบบสร้าง แจกจ่าย และเก็บรักษาคีย์ลับ หากคีย์รั่วไหล อาจนำไปสู่การปลอมแปลงแหล่งที่มาหรือการรบกวนระบบตรวจจับ

ยังไม่มีการระบุว่าวิธีการนี้จะนำไปใช้ได้ทันทีในเครื่องมือออกแบบโปรตีนด้วย AI ที่ทำงานแตกต่างจาก ProteinMPNN หรือไม่ นอกจากนี้ยังต้องตรวจสอบเพิ่มเติมว่าประสิทธิภาพการรักษาหน้าที่และการตรวจจับจะคงอยู่ในโปรตีนประเภทอื่น เช่น ยารักษาโรค เอนไซม์อุตสาหกรรม และโปรตีนพิษ หรือไม่

กูเกิล ดีพมายด์อธิบายว่า SynthID Bio เป็นเพียงหนึ่งในมาตรการป้องกันหลายรูปแบบ ไม่ใช่ทางออกเดียวสำหรับความมั่นคงทางชีวภาพ โดยระบุว่าจะเปิดเผยโค้ด ข้อมูลการตรวจสอบในหลอดทดลอง และน้ำหนักโมเดลสำหรับการวิจัย แต่ยังไม่ได้ระบุขอบเขตและกำหนดการใช้งานจริง

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1