ديفدوك

DiffDock هو نموذج للالتحام الجزيئي طوره باحثون في عيادة جميل في معهد ماساتشوستس للتكنولوجيا ولديه القدرة على اكتشاف عقاقير جديدة يوما ما بشكل أسرع من الطرق التقليدية لاكتشاف الأدوية ، مع تقليل مخاطر الآثار الجانبية الضارة. قاد البحث ريجينا بارزيلاي رئيسة هيئة التدريس في عيادة جميل في معهد ماساتشوستس للتكنولوجيا الذكاء الاصطناعي والباحث الرئيسي في عيادة جميل في معهد ماساتشوستس للتكنولوجيا لعام 2022 تومي جاكولا إلى جانب طلاب الدكتوراه غابرييل كورسو وهانيس ستارك وبوين جينغ، الذين شاركوا معا في تأليف ورقة تقدم النموذج الجديد في "المؤتمر الدولي ال 11 حول تمثيلات التعلم".

الالتحام الجزيئي هو طريقة تستخدم لنمذجة التفاعل بين جزيئين ، عادة بروتين وليجند (جزيء أو أيون أصغر يرتبط بالبروتين). تعمل نماذج مثل DiffDock بشكل عام من خلال استخدام خوارزميات حسابية لاستكشاف تكوينات وتوجهات الليجند أثناء تفاعله مع البروتين المستهدف. الهدف هو العثور على التكوين الأكثر ملاءمة من الناحية النشطة ، والذي يتوافق غالبا مع التفاعل البيولوجي الأكثر احتمالا.

في حالة DiffDock ، بعد تدريبه على مجموعة متنوعة من أوضاع الرباط والبروتين ، يكون النموذج قادرا على تحديد مواقع ربط متعددة على البروتينات التي لم يواجهها من قبل بنجاح. بدلا من توليد بيانات صورة جديدة ، فإنه يولد إحداثيات 3D جديدة تساعد ligand في العثور على زوايا محتملة تسمح لها بالتناسب مع جيب البروتين. يعد نهج "الالتحام الأعمى" هذا أكثر دقة بكثير من طرق الالتحام التقليدية ، وذلك بفضل قدرته على التفكير على نطاق أعلى ونمذجة بعض مرونة البروتين ضمنيا.

يمثل نهج DiffDock الفريد لتصميم الأدوية الحاسوبية نقلة نوعية عن الأدوات الحديثة الحالية التي تستخدمها معظم شركات الأدوية ، مما يكشف عن فرصة كبيرة لإحداث ثورة في خط أنابيب تطوير الأدوية التقليدي.