လက်ရှိ COVID-19 ကပ်ရောဂါသည် ဟက်ကာများ တိုက်ခိုက်ရန် ပျော်ရွှင်နေသော ပြဿနာများစွာကို ဖန်တီးပေးခဲ့သည်။ 3D ရိုက်နှိပ်ထားသော မျက်နှာအကာများနှင့် အိမ်လုပ်ဆေးဘက်ဆိုင်ရာမျက်နှာဖုံးများမှ အပြည့်အဝစက်လေဝင်လေထွက်ကို အစားထိုးခြင်းအထိ၊ စိတ်ကူးများ စီးဆင်းမှုသည် စိတ်အားထက်သန်ပြီး နှလုံးသားကို နွေးထွေးစေပါသည်။ တစ်ချိန်တည်းမှာပင်၊ ဗိုင်းရပ်စ်ကိုယ်တိုင် တိုက်ဖျက်ရန် ရည်ရွယ်သည့် သုတေသနလုပ်ငန်းများတွင် အခြားနယ်ပယ်တစ်ခုသို့ တိုးတက်ရန် ကြိုးပမ်းမှုများ ရှိခဲ့သည်။
ထင်ရှားသည်မှာ၊ လက်ရှိ ကပ်ရောဂါကို ရပ်တန့်ရန်နှင့် နောက်ဆက်တွဲ အားလုံးကို ကျော်လွှားရန် အကြီးမားဆုံး အလားအလာမှာ ပြဿနာ၏ အမြစ်ကို ရောက်ရန် ကြိုးပမ်းသည့် ချဉ်းကပ်မှုတွင် တည်ရှိနေပါသည်။ ဤ "သင်၏ရန်သူကိုသိပါ" ချဉ်းကပ်မှုကို Folding@Home ကွန်ပျူတာပရောဂျက်က လုပ်ဆောင်သည်။ သန်းပေါင်းများစွာသောလူများသည် ပရောဂျက်သို့ စာရင်းသွင်းပြီး ၎င်းတို့၏ ပရိုဆက်ဆာများနှင့် GPU များ၏ လုပ်ဆောင်နိုင်စွမ်းအချို့ကို လှူဒါန်းနေကြသောကြောင့် သမိုင်းတွင် အကြီးဆုံး [ဖြန့်ဝေထားသော] စူပါကွန်ပျူတာကို ဖန်တီးခဲ့သည်။
ဒါပေမယ့် ဒီ exaflops အားလုံးကို အတိအကျ ဘာအတွက် သုံးတာလဲ။ ဒီလို ကွန်ပြူတာ ပါဝါကို ဘာကြောင့် ပစ်ချဖို့ လိုအပ်တာလဲ။
ပထမအရေးကြီးဆုံးအချက်- ပရိုတင်းဓာတ် ဘာကြောင့်လိုအပ်တာလဲ။
ပရိုတင်းများသည် အရေးကြီးသောဖွဲ့စည်းပုံများဖြစ်သည်။ ၎င်းတို့သည် ဆဲလ်များအတွက် တည်ဆောက်ရေးပစ္စည်းသာမကဘဲ ဇီဝဓာတုတုံ့ပြန်မှုအားလုံးနီးပါးအတွက် အင်ဇိုင်းဓာတ်ကူပစ္စည်းအဖြစ်လည်း ဆောင်ရွက်သည်။ ရှဉ့်လည်းဖြစ်၊
ပရိုတင်းများသည် ၎င်းတို့၏လုပ်ငန်းဆောင်တာများကို အဆုံးအဖြတ်ပေးသည့် ဖွဲ့စည်းပုံကို မည်သို့ရယူသည်ကို နားလည်ရန်၊ ကျွန်ုပ်တို့သည် မော်လီကျူးဇီဝဗေဒ၏ အခြေခံများနှင့် ဆဲလ်အတွင်း သတင်းအချက်အလက်စီးဆင်းမှုကို ကျော်လွှားရန် လိုအပ်သည်။
ထုတ်လုပ်မှု၊ သို့မဟုတ်
Ribosomes များသည် တပ်ဆင်စက်များကဲ့သို့ ပြုမူသည် - ၎င်းတို့သည် mRNA နမူနာပုံစံကို ယူ၍ RNA ၏ အခြားသေးငယ်သော အပိုင်းများနှင့် ကိုက်ညီသည် ။
ဤအမိုင်နိုအက်ဆစ်၏ အစီအစဥ်သည် ပရိုတင်းဖွဲ့စည်းပုံဆိုင်ရာ အထက်တန်းအဆင့်၏ ပထမအဆင့်ဖြစ်သည်၊ ထို့ကြောင့် ၎င်းကို ခေါ်သည် ။
ပရိုတင်း အစိတ်အပိုင်းများ ၏ ရှည်လျားသော နှောင်ကြိုးများ
မူလအဆင့်ကိုကျော်လွန်သွားသော သုံးဖက်မြင်ဖွဲ့စည်းပုံ၏နောက်ထပ်အဆင့်ကို လိမ္မာပါးနပ်သောအမည်တစ်ခုပေးခဲ့သည်။
ပရိုတင်းများတွင် Alpha helices နှင့် beta စာရွက်များ။ ပရိုတင်းဖော်ပြနေစဉ်အတွင်း ဟိုက်ဒရိုဂျင်နှောင်ကြိုးများ။
ဤဖွဲ့စည်းပုံနှစ်ခုနှင့် ၎င်းတို့၏ပေါင်းစပ်မှုသည် ပရိုတင်းဖွဲ့စည်းပုံ၏နောက်ထပ်အဆင့်ကို ဖြစ်ပေါ်စေသည်-
ထို့အပြင်၊ အထက်တန်းဖွဲ့စည်းပုံများ၏ တည်ငြိမ်မှုကို အမိုင်နိုအက်ဆစ်များကြား တာဝေးအကွာအဝေးနှောင်ကြိုးများဖြင့် သေချာစေသည်။ ထိုကဲ့သို့သော ချိတ်ဆက်မှုများ၏ ဂန္တဝင်ဥပမာတစ်ခုဖြစ်သည်။
တတိယအဆင့်ဖွဲ့စည်းပုံသည် ရေအားလျှပ်စစ်ဓာတ်အားဖြည့်တင်းမှု သို့မဟုတ် ဒွိုက်ဆားဖိုက်ဒ်နှောင်ကြိုးများကဲ့သို့ တာဝေးအကွာအဝေး အပြန်အလှန်တုံ့ပြန်မှုများဖြင့် တည်ငြိမ်သည်
Disulfide bonds များကြားတွင် ဖြစ်ပွားနိုင်သည်။
ရောဂါပျောက်ဆေးရှာဖွေရာတွင် စံပြဖွဲ့စည်းပုံများ
Polypeptide ကြိုးများသည် ဘာသာပြန်စဉ်အတွင်း ၎င်းတို့၏ နောက်ဆုံးပုံစံသို့ ခေါက်လာကာ ကြီးထွားလာသော ကြိုးများသည် ရီဘိုဆုန်းမှ ထွက်သည့်အခါ၊ အပူပေးသောအခါတွင် ရှုပ်ထွေးသော ပုံသဏ္ဍာန်များကို ယူဆောင်သွားနိုင်သည့် Memory-alloy wire အပိုင်းအစကဲ့သို့ပင်၊ သို့သော်၊ ဇီဝဗေဒတွင် အမြဲလိုလို၊ အရာများသည် ထိုမျှလောက် မရိုးရှင်းပါ။
ဆဲလ်အများအပြားတွင်၊ ဘာသာပြန်ခြင်းမပြုမီ ကျယ်ပြန့်စွာ တည်းဖြတ်ထားသော မျိုးဗီဇများသည် ဗီဇ၏ သန့်စင်သောအခြေခံအစီအစဥ်နှင့် နှိုင်းယှဉ်ပါက ပရိုတင်း၏ အခြေခံဖွဲ့စည်းပုံကို သိသာစွာပြောင်းလဲစေသည်။ ဤကိစ္စတွင်၊ ဘာသာပြန်ခြင်းယန္တရားများသည် မော်လီကျူးခေါင်းဆောင်များ၏အကူအညီ၊ အခြေတည် polypeptide ကွင်းဆက်နှင့် ယာယီချည်နှောင်ထားသည့် ပရိုတင်းများကို မကြာခဏ စုဆောင်းပြီး အလယ်အလတ်ပုံစံသို့ မသွားနိုင်သည့်အတွက် ၎င်းတို့သည် နောက်ဆုံးတစ်ခုသို့ မသွားနိုင်တော့ပါ။
ပရိုတင်း၏နောက်ဆုံးပုံသဏ္ဍာန်ကို ခန့်မှန်းခြင်းသည် အသေးအဖွဲအလုပ်မဟုတ်ကြောင်း ဤအရာအားလုံးက ပြောနိုင်သည်။ ဆယ်စုနှစ်များစွာကြာ ပရိုတိန်းများ၏ဖွဲ့စည်းပုံကို လေ့လာရန် တစ်ခုတည်းသောနည်းလမ်းမှာ ဓာတ်မှန်ပုံဆောင်ခဲပုံဆောင်ခြင်းကဲ့သို့သော ရုပ်ပိုင်းဆိုင်ရာနည်းလမ်းများဖြင့် ဖြစ်သည်။ ၁၉၆၀ ပြည့်လွန်နှစ်များနှောင်းပိုင်းအထိ ဇီဝရုပ်ပိုင်းဆိုင်ရာ ဓာတုဗေဒပညာရှင်များသည် ပရိုတင်းခေါက်ခြင်းဆိုင်ရာ ကွန်ပြူတာပုံစံများကို စတင်တည်ဆောက်ခဲ့ပြီး ဒုတိယဖွဲ့စည်းပုံပုံစံကို အဓိကအာရုံစိုက်ကာ တည်ဆောက်ခဲ့သည်။ ဤနည်းလမ်းများနှင့် ၎င်းတို့၏ သားစဉ်မြေးဆက်များသည် မူလဖွဲ့စည်းပုံအပြင် အမြောက်အမြား ထည့်သွင်းဒေတာ လိုအပ်သည် - ဥပမာ၊ အမိုင်နိုအက်ဆစ်နှောင်ကြိုးထောင့်ဇယားများ၊ ရေအားလျှပ်စစ်၏စာရင်းများ၊ စွဲချက်တင်ထားသော အခြေအနေများနှင့် ဆင့်ကဲဖြစ်စဉ်အချိန်အတိုင်းအတာများထက် ဖွဲ့စည်းပုံနှင့် လုပ်ဆောင်ချက်များကို ထိန်းသိမ်းခြင်းပင်ဖြစ်သည် နောက်ဆုံးပရိုတင်းကဲ့သို့ ဘာဖြစ်မည်ကို ခန့်မှန်းကြည့်ပါ။
Folding@Home ကွန်ရက်တွင် လုပ်ဆောင်နေသည့် ဆင့်ပွားဖွဲ့စည်းပုံ ခန့်မှန်းမှုအတွက် ယနေ့ခေတ် တွက်ချက်မှုနည်းလမ်းများသည် 80% ခန့် တိကျမှုနှင့် အလုပ်လုပ်သည်—၎င်းသည် ပြဿနာ၏ ရှုပ်ထွေးမှုကို ထည့်သွင်းစဉ်းစားရန် အလွန်ကောင်းမွန်ပါသည်။ SARS-CoV-2 spike protein ကဲ့သို့သော ပရိုတိန်းများတွင် ကြိုတင်ခန့်မှန်းထားသော မော်ဒယ်များမှ ထုတ်ပေးသည့် အချက်အလက်များကို ဗိုင်းရပ်စ်၏ ရုပ်ပိုင်းဆိုင်ရာလေ့လာမှုများမှ အချက်အလက်များနှင့် နှိုင်းယှဉ်မည်ဖြစ်သည်။ ရလဒ်အနေဖြင့်၊ ပရိုတင်း၏ဖွဲ့စည်းပုံအတိအကျကိုရရှိရန်ဖြစ်နိုင်မည်ဖြစ်ပြီး၊ ဗိုင်းရပ်စ်သည် receptors များထံမည်သို့တွယ်ကပ်သည်ကိုနားလည်နိုင်လိမ့်မည်၊
ပရိုတိန်းခေါက်ခြင်းဆိုင်ရာ သုတေသနသည် မကြာသေးမီက မြင်တွေ့ခဲ့ရသည့် COVID-19 ကို အနိုင်ယူနည်းကို ရှာဖွေရန် Folding@Home ကွန်ရက်ကို အသုံးပြုသည့်အခါတွင်ပင်၊ ကွန်ရက်သည် ကြီးထွားလာသည်နှင့်အမျှ ကျယ်ပြန့်လာသည်၊ အကြာကြီး ပျင်းရိမနေပါနဲ့။ အလုပ် ၎င်းသည် အယ်လ်ဇိုင်းမားရောဂါ သို့မဟုတ် Creutzfeldt-Jakob ရောဂါကဲ့သို့ ပရိုတိန်းလွဲမှားသော ပရိုတိန်းပုံစံများကို ဖြစ်ပေါ်စေသည့် ပရိုတင်းပုံစံများကို လေ့လာရန်အတွက် သင့်လျော်သော သုတေသနကိရိယာတစ်ခုဖြစ်သည်။ နောက်တစ်ခုက မလွှဲမရှောင်သာတဲ့ ဗိုင်းရပ်စ်တစ်ခု ပေါ်လာတဲ့အခါ၊ အဲဒါကို ပြန်ပြီး တိုက်ထုတ်ဖို့ အဆင်သင့်ဖြစ်နေပါပြီ။
source: www.habr.com