เครื่องมือที่จะข่วยทำนายการเปลี่ยนแปลงของโควิดกลายพันธ์ที่ทำให้มันติดได้ง่ายขึ้น

ภาพจาก Penn State News

เฟรมเวอร์กใหม่ที่พัฒนาโดยนักวิจัยจาก Pennsylvania State University (Penn State) สามารถทำนาย การเปลี่ยนแปลงของกรดอะมิโนในสไปค์โปรตีน (spike protein) ของ  SARS-CoV-2 ซึ่งอาจปรับปรุงการผูกพันธ์ (binding) กับตัวรับ (receptor) ACE2 ในเซลล์ของคนและสัตว์ และทำให้ติด COVID ได้ง่ายขึ้น นักวิจัยใช้การวิเคราะห์ Molecular Mechanics-Generalized Born Surface Area (MM-GBSA) ร่วมกับการใช้พลังงานจากการวิเคราะห์ MM-GBSA เป็นหนึ่งในคุณลักษณะ (feature) ในตัวแบบการถดถอย regression) ของเครือข่ายประสาทเทียม (neural network) ที่ถูกฝึกสอนบนข้อมูลการผูกพันธ์บนตัวแปรที่แตกต่างกันกับการเปลี่ยนแปลงของกรดอะมิโนเดี่ยว (single amino acid) ซึ่งการทำแบบนี้ให้ผลการทำนายแม่นยำขึ้นกว่า 80%  ในเรื่องว่าการผูกพันธ์จะดีขึ้นหรือแย่ลง

อ่านข่าวเต็มได้ที่: Penn State News