به گزارش بانک و صنعت، تعیین شکل سه بعدی مولکول های بیولوژیکی یکی از سخت ترین مشکلات در زیست شناسی و کشف پزشکی مدرن است. شرکت ها و موسسات تحقیقاتی اغلب میلیون ها دلار برای تعیین ساختار مولکولی هزینه می کنند - و حتی چنین تلاش های گسترده ای اغلب ناموفق است.
استفان آیزمن و رافائل تاون شند ، دانشجویان دکتری دانشگاه استنفورد ، با استفاده از تکنیک های هوشمندانه و جدید یادگیری ، با راهنمایی ران درور ، دانشیار علوم کامپیوتر ، روشی را توسعه داده اند که با پیش بینی ساختارهای محاسباتی دقیق بر این مشکل غلبه می کند. مهمتر از همه ، رویکرد آنها حتی زمانی که فقط از چند ساختار شناخته شده یاد می گیرند ، موفق می شود و آن را برای انواع مولکول هایی که تعیین ساختار آنها به صورت تجربی دشوار است ، کاربردی می کند.
الگوریتم طراحی شده توسط محققان ساختارهای مولکولی دقیقی را پیش بینی می کند و با این کار می تواند به دانشمندان اجازه دهد تا نحوه عملکرد مولکول های مختلف را با کاربردهای مختلف از تحقیقات بیولوژیکی بنیادی تا شیوه های آگاهانه طراحی دارو توضیح دهند.
پروتئین ها ماشین های مولکولی هستند که انواع عملکردها را انجام می دهند. برای انجام وظایف خود ، پروتئین ها اغلب به پروتئین های دیگر متصل می شوند. اگر می دانید که یک جفت پروتئین در بیماری دخیل است و از نحوه تعامل آنها به صورت سه بعدی آگاهید ، می توانید سعی کنید این تعامل را به طور خاص با یک دارو هدف قرار دهید.
پس از موفقیت در پروتئین ها ، محققان الگوریتم خود را در کلاس دیگری از مولکول های مهم بیولوژیکی ، RNA ها ، به کار بردند. آنها الگوریتم خود را در مجموعه ای از "معماهای RNA" از یک رقابت طولانی مدت در زمینه خود آزمایش کردند و در هر صورت ، این ابزار از سایر شرکت کنندگان پازل بهتر عمل کرد و این کار را بدون طراحی خاص برای ساختارهای RNA انجام داد.
