یک پلت فرم رباتیک جدید پروتئین هایی با خواص بهبود یافته را به روشی کاملا مستقل تولید می کند. علاوه بر این، این سیستم قادر است این پروتئین‌ها را به‌طور تجربی ارزیابی کند و به لطف هوش مصنوعی، نتایج را تفسیر کند و سپس توالی‌های اسید آمینه پروتئین‌ها را برای بهبود بیشتر عملکرد آنها دوباره طراحی کند. در یک آزمایش اولیه برای تقویت تحمل حرارتی هیدرولازهای گلیکوزید، ربات مقاومت دمایی پروتئین ها را حداقل 12 درجه سانتی گراد افزایش داد.
رهبر پروژه توضیح می دهد که این پلت فرم برای بهبود خواص پروتئین ها در فرآیندی “یکسان با روش علمی” طراحی شده است. فیلیپ رومرو، از دانشگاه ویسکانسین-مدیسون در ایالات متحده. رومرو می‌گوید: «او آزمایش‌هایی را برای آزمایش فرضیه‌ها طراحی می‌کند، دستوراتی را به یک سیستم روباتیک کاملاً خودکار برای اجرای آزمایش‌ها می‌فرستد، و از داده‌های به‌دست‌آمده می‌آموزد تا درک خود از پروتئین را اصلاح کند». در نهایت، پس از چندین بار تکرار، سیستم طراحی و عملکرد پروتئین را بهبود می بخشد – در این مورد خاص، پایداری حرارتی. رومرو خاطرنشان می کند که به طور کلی، این فرآیند مهندسی پروتئین را تسریع و خودکار می کند.
به گفته جیکوب راپ، دانشجوی دکترا در آزمایشگاه رومرو که روی این پروژه کار می‌کرد، این سیستم جدید “اولین سیستمی است که دخالت انسان در چرخه مهندسی را کاملاً حذف می‌کند” و امکان فرآیند تکراری بسیار سریع‌تر را فراهم می‌کند.
روبات‌ها پروتئین‌ها را دقیقاً با ماشین‌های مولکولی مشابه سلول‌ها آماده می‌کنند و مجموعه‌ای از بلوک‌های از پیش آماده‌شده DNA را ترکیب و ترجمه می‌کنند. ما با مجموعه‌ای از 34 قطعه DNA شروع می‌کنیم که می‌توان آنها را به 1352 روش مختلف ترکیب کرد، که هرکدام یک قطعه منحصر به فرد ایجاد می‌کنند. [protein] راپ توضیح می دهد که سازگاری. در نمایش تیم، به ربات فقط اطلاعاتی در مورد پایداری حرارتی تجربی شش دنباله داده شد و چندین هدف آزمایشی ممکن را بر اساس درک اولیه خود انتخاب کرد. برای هر توالی انتخاب شده، ربات قطعات مربوطه را مخلوط می کند، آنها را به یک تکه DNA متصل می کند، … پروتئین را بیان می کند و آزمایش می کند. [it] راپ می‌گوید در دماهای مختلف.
پس از ساخت پروتئین، سیستم تجزیه و تحلیلی را برای اندازه گیری پایداری حرارتی انجام می دهد و سپس از آزمایش یاد می گیرد تا طرح های پروتئینی آینده خود را بهینه کند. در مقایسه با شش توالی آزمایش شده هیدرولازهای گلیکوزید طبیعی، بهترین توالی انتخاب شده توسط سیستم می تواند حداقل 12 درجه سانتیگراد را تحمل کند. ما از گلیکوزید هیدرولازها به عنوان مدل استفاده کردیم. […] راپ می‌گوید: ما اکنون در حال کار بر روی استفاده از همان فناوری برای پروتئین‌های مرتبط با صنعت یا بالینی هستیم.
او می گوید: «من هیچ نمونه دیگری از طراحی و مهندسی پروتئین کاملاً مستقل را نمی شناسم هکتور گارسیا مارتین، یک متخصص مهندسی زیستی مستقر در آزمایشگاه ملی لارنس برکلی در کالیفرنیا، ایالات متحده آمریکا. او می افزاید: «این یک سیستم رباتیک کاملاً خودکار است که به طور تجربی پروتئین های مهندسی شده را آزمایش می کند و از آن اطلاعات برای هدایت چرخه مهندسی بعدی استفاده می کند.
رپ با تکنیک مهندسی پروتئین برنده جایزه نوبل مقایسه می کند تکامل هدایت شده. او اشاره می‌کند که در حالی که تکامل هدایت‌شده بر یک سری گام‌های کوچک به سمت کارآمدترین پروتئین تکیه دارد، که معمولاً چند جهش در هر دور ایجاد می‌کند، سیستم رباتیک جدید به طور میانگین بیش از ۱۰۰ جهش در هر تکرار دارد. علاوه بر این، از آنجایی که سیستم مصنوعی مستقل بر روی یک رویکرد بدون سلول کار می‌کند، می‌تواند پروتئین‌های «قاتل» ایجاد کند – پروتئین‌هایی که حیات یک سلول بیولوژیکی را به خطر می‌اندازند، اما هنوز می‌توانند کاربردهای احتمالی در آزمایشگاه داشته باشند.
با این حال، این دو تکنیک لزوماً رقیب یکدیگر نیستند. ‘[Researchers could] یک پارادایم بسیار هیجان انگیز را کشف کنید – ادغام یادگیری ماشین با تکامل هدایت شده مارک گوئلمتخصص زیست شناسی مصنوعی در دانشگاه پومپئو فابرا در بارسلون، اسپانیا. برای گوئل، استفاده از هوش مصنوعی در طراحی پروتئین بزرگترین نقطه عطف در زیست شناسی مصنوعی از آن زمان است کریسپر. او می گوید که داشتن یک سیستم خودکار “با ظرفیت “گفتگو” با پروتئین بسیار قدرتمند است. توانایی تأثیرگذاری بر مسیرهای تکاملی با هوش مصنوعی می تواند تحول آفرین باشد. [such] بهینه سازی عملیاتی می تواند سرعت مهندسی پروتئین را افزایش دهد.” “اتوماسیون را یک قدم جلوتر می برد.”
