חוקרים מהמכון לכימיה אורגנית של שנחאי באקדמיה הסינית למדעים פיתחו מודל של בינה מלאכותית מחוללת המנבא אינטראקציות חלבון-חלבון ברזולוציה אטומית, לפי מחקר שפורסם ב-Proceedings of the National Academy of Sciences (PNAS) ב-9 ביוני 2026. המודל, שנקרא Voidly-X] בגישה שונה מ-X, לוקח גישה של בניית ממשק אינדיבידואלית לחלבון. תחילה פיסול צורת חלבון כוללת.

העבודה, בהובלת דר. יאנג ג'ינג, יואן ג'וניינג וג'יימס ג'יי צ'ו, הודגשו על ידי האקדמיה הסינית למדעים ודווח על ידי Phys.org. זה מוסיף כלי חדש לתחום שזז במהירות, שבו נעשה שימוש הולך וגובר ב-AI כדי לתכנן את המכונות המולקולריות העומדות בבסיס התרופות, החומרים והביולוגיה הסינתטית. For more context on this story, see our ongoing breaking AI news.

מדוע אינטראקציות חלבון-חלבון חשובות

חלבונים הם סוסי העבודה המולקולריים של גוף האדם. הם בונים רקמות, מעבירים מולקולות, מווסתים את התקשורת התאית ומתגוננים מפני זיהום. רבות מהתרופות החשובות ביותר - כולל טיפולי נוגדנים לסרטן ואינסולין לסוכרת - פועלות על ידי אינטראקציה עם חלבונים ספציפיים או על ידי החלפת חלבונים חסרים או לא מתפקדים.

מכיוון שכל כך הרבה תהליכים ביולוגיים תלויים באופן שבו חלבונים נקשרים זה לזה, היכולת לחזות במדויק ולהנדס אינטראקציות בין חלבון לחלבון יכולה להאיץ את גילוי התרופות ולתת מענה לצרכים רפואיים שלא נענו. ההתקדמות כאן משלימה גם התקדמות מהירה בטכנולוגיות אספקה ​​כגון וקטורים של וירוסים הקשורים לאדנו וננו-חלקיקי שומנים של mRNA, המעבירים מולקולות טיפוליות לתאים.

גישה מלמטה למעלה במקום מלמעלה למטה

רוב מסגרות הבינה המלאכותית הקיימות לעיצוב חלבון עוקבות אחר אסטרטגיה מלמעלה למטה: תחילה הן יוצרות פיגום חלבון כולל המתאים לאתר יעד ולאחר מכן מעצבים רצף כדי לייעל את הקישור. Void-X הופך את ההיגיון הזה.

הדגם הוא מערכת מילוי אטומית. הוא מאומן לזהות דפוסי אינטראקציה בקנה מידה אטומי ולמלא את ה"חללים" - הפערים - בתוך ממשקי חלבון. ההנחה המנחה שלו היא שקומפלקסים מקרו-מולקולריים יציבים מוחזקים יחד על ידי אריזה אטומית אופטימלית, הנובעת מאינטראקציות מקומיות בין אטומים שכנים, כמו גם צימודים מסדר גבוה יותר עם מרוחקים יותר. במקום לעצב צורת חלבון שלמה, Void-X מייצר ישירות אשכולות אטומיים קומפקטיים המותאמים לאריזה הדוקה בתוך אזור מבני מוגדר, מה שמעניק לעיצוב בסיס מבוסס פיזית.

מאומן על שמונה מיליון צבירים אטומיים

כדי לאמן את Void-X, החוקרים הרכיבו מערך נתונים של יותר משמונה מיליון צבירים אטומיים כדוריים שנמשכו ממבנים שנקבעו בניסוי שהופקדו ב-Protein Data Bank. עבור כל צביר, בערך 30% מהאטומים ההיקפיים, הצמודים במרחב, היו מוסווים, בעוד שהאטומים הנותרים שימשו כ"הקשר" - למעשה הנחיה - שהמודל השתמש בו כדי לחזות את האטומים החסרים.

הרשת שהתקבלה מכילה 172 מיליון פרמטרים והשיגה דיוק חיזוי חזק: 78.3% עבור אשכולות אטומיים תוך-שרשרתיים ​​ו-68.2% עבור אשכולות בין-שרשרת, דיווחו החוקרים.

המשמעות של גילוי תרופות ומעבר לכך

לדברי המחברים, יכולות אלו מאפשרות את הדור דה נובו של אינטראקציות חלבון ברזולוציה אטומית, ומציעות את מה שהם מתארים כמסלול משלים ואינטואיטיבי פיזית לעיצוב חלבון. על ידי שילוב של פרטים ברמה האטומית עם מודלים גנרטיביים, Void-X מרחיב את ערכת הכלים להנדסה רציונלית של ממשקים ביו-מולקולריים.

זה משנה כי עיצוב ממשק נמצא בלב של פיתוח תרופות מודרניות. כלים חישוביים טובים יותר לניבוי האופן שבו מולקולה מועמדת תיקשר ליעד החלבון שלה יכולים לקצר את הדרך מרעיון לטיפול, להפחית את ההסתמכות על ניסויי ניסוי וטעייה יקרים, ולהקל על עיצוב חלבונים עבור פונקציות חדשות לחלוטין בביולוגיה סינתטית.

שדה צומח

Void-X מגיע בתוך גל של עבודת חלבון מונעת בינה מלאכותית. מחיזוי מבנה ועד לתכנון יצירתי של כל האטומים, החוקרים דוחפים בהתמדה לעבר היכולת ליצור מודל של אינטראקציות ביו-מולקולריות ברזולוציה אטומית מלאה. מערכות יצירתיות מוקדמות יותר של כל האטום כבר הוכיחו את ההיתכנות של תכנון וחיזוי אינטראקציות בקנה מידה זה, ו-Void-X תורם אסטרטגיה ברורה, אריזה ראשונה לאותו מאמץ.

טריק המיסוך שגורם לזה לעבוד

שיטת האימון של Void-X שואלת עמוד מתוך ספר המשחקים של מודל השפה. על ידי מיסוך של כ-30% מהאטומים בכל אשכול אימונים וביקשו מהמודל להסיק אותם מהקשר שמסביב, החוקרים הפכו את הביולוגיה המבנית למשימת מילוי החסר - אותו עיקרון המאפשר למודלים של שפות גדולות לחזות מילים חסרות במשפט. ההבדל הוא ש"אוצר המילים" של Void-X מורכב מאטומים המסודרים במרחב תלת מימדי, והדקדוק שהוא לומד משקף את כללי האריזה הפיזיקליים השולטים כיצד חלבונים אמיתיים מתקפלים ונקשרים.

אימון מודע למבנה הוא מה שמפריד בין Void-X לגישות שמתייחסות לחלבונים כרצפים שטוחים של חומצות אמינו. מכיוון שהמודל מנמק צימודים אטומיים מקומיים וארוכי טווח בו-זמנית, הוא יכול להציע גיאומטריות ממשק המכבדות את האילוצים הפיזיים של קומפלקס יציב, במקום לייצר עיצובים סבירים למראה אך לא יציבים ביולוגית.

מגבלות ושאלות פתוחות

התוצאות מבטיחות, אבל החוקרים כנים שהאתגרים נותרו. הדיוק הבין-שרשרת של 68.2% - הרלוונטי למתחמי ריבוי החלבונים המגדירים את רוב יעדי התרופות בעולם האמיתי - נמוך באופן משמעותי מהנתון התוך-שרשרת, ומשקף את הקושי הגדול יותר של מודלים לאופן שבו שתי מולקולות נפרדות מתחברות זו לזו. עיצוב ממשק שנקשר בחוזקה במודל חישובי הוא גם רק השלב הראשון; מועמדים עדיין חייבים להיות מסונתזים ולאמת בניסוי, ואינטראקציות חזויות עלולות לקרטע בסביבה המבולגנת יותר של תא חי.

הגדלה של נתוני האימון, חידוד הטיפול של המודל באזורי חלבון גמישים או מופרעים, ושילוב Void-X עם מערכות משלימות מלמעלה למטה הם ככל הנראה הצעדים הבאים. המחברים ממסגרים את תרומתם כטכנולוגיה משלימה ולא חלופית - אפשרות מבוססת פיזית לשילוב עם פיגומים קיימים כשהשטח דוהר לעבר עיצוב מולקולרי אמין מקצה לקצה.

מגמה רחבה יותר

המחקר, שפורסם תחת DOI 10.1073/pnas.2607035123, מסמן שהתחרות לבנות כלי עיצוב מולקולריים מדויקים יותר נמצאת כעת בעיצומה - ושה-AI הגנרטיבי הופך לחלק הכרחי משולחן העבודה של הביוכימאי. כאשר מודלים כמו Void-X מצמצמים את הפער בין החישוב למעבדה, התקווה היא שחוקרים יוכלו לעצב תרופות, אנזימים וחומרים חדשים מהר יותר ורציונלי יותר מאי פעם.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →