Read Time:20 Minute

അനൂപ് ചീരോത്ത്

Strategy Consultant, National Energy SO, UK

—

നാസ 2023-ൽ തികച്ചും അസംഭവ്യമായ ഒരു ദൗത്യം പൂർത്തിയാക്കി. ഭൂമിക്കും ചൊവ്വയ്ക്കുമിടയിൽ സൂര്യനെ ചുറ്റും കറങ്ങുന്ന ഒരു ചിഹ്നഗ്രഹമായ ബെന്നുവിൽ നിന്ന് കുറച്ച് സാമ്പിളുകൾ എടുത്തുകൊണ്ട് ഭൂമിയിലേക്ക് തിരിച്ചുവരുന്ന ഒരു ദൗത്യമാണ് (OSIRIS-REx) നാസ പൂർത്തീകരിച്ചത്. ഈ സാമ്പിളുകളിൽ നിന്ന് സൂക്ഷ്മപരിശോധനയിൽ തിരിച്ചറിയാൻ കഴിഞ്ഞത് ഒട്ടനവധി അമിനോ ആസിഡുകളെയാണ്. ഇവ ജീവന്റെ ഉത്പത്തിയെക്കുറിച്ച് സൂചനകൾ നൽകുന്നു. ഈ പ്രപഞ്ചത്തിൽ മറ്റെവിടെയെങ്കിലും ഭൂമിയെപ്പോലെ ജീവനുണ്ടാകാൻ സാധ്യതയുണ്ടെന്ന് ഇത് നമ്മെ പഠിപ്പിക്കുന്നു.

അമിനോ ആസിഡുകൾ ജീവന്റെ അടിസ്ഥാന ഘടകങ്ങളാണ്. പ്രകൃതിയിൽ 500-ൽ പരം അമിനോ ആസിഡുകൾ ഉണ്ട്. എന്നാൽ മനുഷ്യശരീരത്തിൽ ഇതുവരെ പ്രൊട്ടീൻ നിർമ്മാണത്തിന് ഉപയോഗിക്കുന്ന 20 അമിനോ ആസിഡുകളാണ് കണ്ടെത്തിയിട്ടുള്ളത്. ഈ ഇരുപത്‌ അമിനോ ആസിഡുകൾ പരസ്പരം സംയോജിച്ച് പെപ്റ്റൈഡുകളാകുന്നു. പെപ്റ്റൈഡുകൾ വീണ്ടും കൂടിച്ചേർന്ന് പ്രോട്ടീനുകളായി മാറുന്നു. ഇങ്ങനെ സംയോജിക്കുവാൻ പല രീതികളുണ്ട്. ചിലത് വളരെ ലളിതമായ രൂപങ്ങൾ ഉൾക്കൊള്ളുമ്പോൾ, മറ്റു ചിലത് വളരെ സങ്കീർണ്ണമായ രൂപങ്ങൾ ഉൾക്കൊള്ളുന്നു.

ഇത് മനസ്സിലാക്കാൻ വളരെ ലളിതമായ ഒരു ഉദാഹരണം തരാം.

ചകിരി നാരുകൾ കൂട്ടി പിരിച്ചാണു നീണ്ട കയർ ഉണ്ടാക്കുന്നത്‌. അതുപോലെ അമിനോ ആസിഡുകൾ കൂടി ചേർന്നാണു പെപ്റ്റൈഡുകൾ ഉണ്ടാകുന്നത്. വളരെ നീണ്ട ഒരു കയറിനെ പല പല രൂപത്തിൽ നമുക്ക് കൂട്ടിപ്പിടിക്കാം. ചുറ്റി ഒരു ഉണ്ടയാക്കി മാറ്റാം. അല്ലെങ്കിൽ എല്ലാം കൂടി ചേർത്ത് പിടിച്ച് വലിയൊരു രൂപമാക്കി മാറ്റാം. ഇങ്ങനെ ഓരോ തരത്തിൽ പിടിക്കുമ്പോഴും ഓരോ രൂപത്തിലാണ് കയറ് നമുക്ക് കിട്ടുക. പ്രോട്ടീനുകളും ഇതുപോലെ തന്നെയാണ് ഉണ്ടാകുന്നത്. പെപ്റ്റൈഡുകൾ പരസ്പരം മടങ്ങിയും സംയോജിച്ചും ഓരോ രൂപത്തിൽ പ്രോട്ടീനുകൾ ഉണ്ടാക്കുന്നു. ഇങ്ങനെ മടങ്ങി ഒതുങ്ങി ഉണ്ടാകുന്ന പ്രക്രിയയെ പ്രോട്ടീൻ ഫോൾഡ്‌ (protein fold) എന്ന് വിളിക്കുന്നു.

ഒരു നീണ്ട പെപ്റ്റൈഡിന് ഒട്ടനേകം രൂപങ്ങളിൽ മടങ്ങാനുള്ള സാധ്യതയുണ്ട്. എന്നാൽ കൃത്യമായി ഒരു രൂപത്തിൽ മടങ്ങിയാൽ മാത്രമാണ് അതിനു നമുക്ക് ആവശ്യമായ ഓരോ പ്രവർത്തനത്തിൽ പങ്കെടുക്കാൻ സാധിക്കൂ.

ഉദാഹരണത്തിന്, ഹീമോഗ്ലോബിൻ എന്ന പ്രോട്ടീൻ നമ്മുടെ രക്തത്തിലുണ്ട്. അതിന്റെ ഘടന തീരുമാനിക്കുന്നത് അതിലെ അമിനോ ആസിഡുകൾ പരസ്പരം സമ്പർക്കം പുലർത്തി ഉണ്ടാകുന്ന ഒരു രൂപത്തെ അനുസരിച്ചിരിക്കും. ഈ രൂപത്തിൽ ചെറിയൊരു വ്യതിയാനം ഉണ്ടായാൽ അതിന്റെ ഓക്സിജൻ കൊണ്ടുപോകാനുള്ള കാര്യക്ഷമത ഗണ്യമായി കുറയും. അതാണ് സിക്കിൾ സെൽ അനീമിയ എന്ന അസുഖം.

മുപ്പത്തിയഞ്ച് അമിനോ ആസിഡുകൾ ഒരുമിച്ച് സംയോജിച്ച് ഒരു വലിയ പ്രോട്ടീൻ ഉണ്ടാകുകയാണെന്ന് കരുതുക. ഏതൊക്കെ രൂപങ്ങൾ ഇവ സംയോജിച്ച്‌ ഉണ്ടാകാം എന്ന് നോക്കിയാൽ കിട്ടുന്നത്‌ 10^{^33} സാധ്യതകൾ ആണ് (ഒന്ന് കഴിഞ്ഞ് 33 പൂജ്യങ്ങളുള്ള സംഖ്യ, അത്രയ്ക്കും വലിയ സാധ്യതകൾ.). ഇവയുടെ രൂപം നമ്മൾ ഗണിച്ചാൽ, നമുക്ക് ചിന്തിക്കാവുന്നതിലും അപ്പുറം ഒട്ടനവധി രൂപങ്ങൾ കിട്ടും. കാരണം ഇവ ഏത് തരത്തിൽ വേണമെങ്കിലും പരസ്പരം സംയോജിച്ച് ഓരോ രൂപങ്ങൾ ഉണ്ടാകാം. എന്നാൽ പ്രകൃതിയിൽ ഇവ കൃത്യമായ ഒരു രൂപത്തിൽ പരസ്പരം സംയോജിച്ച് നിലനിൽക്കുന്നു. അതിനു കാരണം എന്തെന്നാൽ മുകളിൽ പറഞ്ഞ 35 അമിനോ ആസിഡുകളും ഓരോരോ നിയമങ്ങൾക്കനുസരിച്ചാണ് കൂടിച്ചേരുന്നത്. ഇവയിൽ ചില ഭാഗത്ത്‌ പരസ്പരം ഹൈഡ്രജൻ ബോണ്ടുകൾ, മറ്റു ഭാഗത്ത് നെഗറ്റീവ് പോസിറ്റീവ് ചാർജുകൾ വേറേ ചില ഭാഗത്ത് വലിപ്പം നോക്കിയാണ് കൂടിച്ചേരുന്നത്. ഈ നിയമങ്ങൾ എല്ലാം കൂടി പാലിച്ച് കൃത്യമായ ഒരു രൂപത്തിൽ ഈ 35 അമിനോ ആസിഡുകൾ സംയോജിച്ച് നിലനിൽക്കുന്നു.

മടങ്ങിയിരിക്കുന്ന വലിയ പ്രോട്ടീനുകളുടെ രൂപം മനസ്സിലാക്കിയാൽ മാത്രമാണ് അവ മറ്റു തന്മാത്രകളുമായി എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത് എന്ന് തിരിച്ചറിയാൻ സാധിക്കൂ. പ്രോട്ടീനുകളുടെ രൂപം മനസ്സിലാക്കിക്കഴിഞ്ഞാൽ നമുക്ക് വളരെ ഫലപ്രദമായ മരുന്നുകളും മറ്റു ഉപകാരപ്രദമായ തന്മാത്രകളും സൃഷ്ടിക്കാൻ സാധിക്കും. അതുപോലെ ശരീരത്തിനകത്ത് നടക്കുന്ന പലവിധ രാസപ്രവർത്തനങ്ങളുടെ പൂർണ്ണരൂപം കൃത്യമായി മനസ്സിലാക്കാൻ സാധിക്കും.

Max F Perutz, John C. Kendrew എന്നീ ശാസ്ത്രജ്ഞർക്ക്‌ 1962 രസതന്ത്ര നൊബേൽ ലഭിച്ചത്‌ മയോഗ്ലോബിൻ (Myoglobin) എന്ന പ്രോട്ടീനിന്റെ പൂർണ്ണ രൂപം കണ്ടുപിടിച്ചതിനാണ്. തുടർന്ന്, ഇതുവരെ വളരെ കുറച്ച് പ്രോട്ടീനുകളുടെ രൂപം മാത്രമേ പൂർണ്ണമായി മനസ്സിലാക്കാൻ സാധിച്ചിട്ടുള്ളൂ. X-ray crystallography എന്ന നൂതന ശാസ്ത്ര സാങ്കേതിക വിദ്യ ഉപയോഗിച്ചിട്ടാണ് ഈ പ്രോട്ടീനുകളുടെ രൂപം മനസ്സിലാക്കുന്നത്. ഇത് വളരെ ചിലവേറിയ ഒരു ശാസ്ത്രവിദ്യയാണ്.

മറ്റൊരു വിദ്യ കമ്പ്യൂട്ടർ മോഡലുകൾ ഉപയോഗിച്ച് പ്രോട്ടീനുകളുടെ രൂപം പ്രവചിക്കുക എന്നതാണ്. വളരെ ശക്തമായ കമ്പ്യൂട്ടറുകൾ ഉപയോഗിച്ചാൽ പോലും വലിയ പ്രോട്ടീനുകളുടെ ഘടന മനസ്സിലാക്കുവാൻ സാധിക്കില്ല. കാരണം അത്രയ്ക്കും അധികം രൂപമാറ്റങ്ങൾ അതിന് സാധ്യമാണ്. വിവിധ പ്രോട്ടീൻ രൂപ പ്രവചനങ്ങളിൽ നിന്ന് കൃത്യമായി പ്രകൃതിയിൽ നിലനിൽക്കുന്ന രൂപത്തെ തിരിച്ചറിയുവാൻ മറ്റു പല വിദ്യകൾ ഉപയോഗിക്കണം.

വിവിധ കമ്പ്യൂട്ടർ മോഡലുകൾ പരീക്ഷിച്ചെങ്കിലും കൃത്യമായി പ്രകൃതിയിൽ നിലനിൽക്കുന്ന മോഡലുകളെ പ്രവചിക്കാൻ ഒന്നിനും സാധിച്ചില്ല. ആ മോഡലുകളിൽ ഒരു കമ്പ്യൂട്ടർ മോഡൽ വളരെ വ്യത്യസ്തമായിരുന്നു. Rosetta എന്നായിരിന്നു ആ മോഡലിന്റെ പേര്. ഒരു കമ്പ്യൂട്ടർ മോഡലിന്റെ കാര്യക്ഷമത കൂട്ടുവാനായി അതിനെ ഒരു കമ്പ്യൂട്ടർ ഗെയിം ആക്കി മാറ്റി. കാര്യക്ഷമത കുറയുന്ന ഭാഗങ്ങളിൽ മനുഷ്യർ നേരിട്ട് മാറ്റങ്ങൾ വരുത്തി കാര്യക്ഷമത കൂട്ടി. അങ്ങനെ രൂപീകരിച്ച ഒരു പ്രോട്ടീൻ രൂപത്തെ അവർ മറ്റു വിദ്യകൾ ഉപയോഗിച്ച് കണ്ടുപിടിച്ച മോഡലുമായി താരതമ്യം ചെയ്തു. കമ്പ്യൂട്ടർ ഗെയിമുകൾ ഉപയോഗിച്ച് ആ പ്രോട്ടീനിന്റെ രൂപം മനസ്സിലാക്കാൻ സാധിച്ചതിനാൽ അതിനെ സഹായിച്ച എല്ലാ കളിക്കാരുടെയും പേരുകൾ പ്രസിദ്ധീകരിച്ചു.

ആ കളിക്കാരിൽ ഒരാൾ ആയിരിന്നു ഡെമിസ് ഹസാബിസ് (Demis Hassabis). Demis പിന്നീട് Deep Mind എന്ന ഒരു AI കമ്പനി സ്ഥാപിച്ചു. അദ്ദേഹത്തിന്റെ സ്ഥാപനം, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് സങ്കീർണ്ണമായ പ്രോട്ടീനുകളുടെ രൂപം കണ്ടുപിടിക്കാൻ സാധിക്കുമെന്ന് തെളിയിച്ചു. ഇതിനെ അൽഫാ ഫോൾഡ്‌ എന്ന് വിളിച്ചു. ഈ AIയുടെ പ്രവചനത്തിന്റെ കൃത്യത കൂട്ടണമെങ്കിൽ ഏറ്റവും എളുപ്പമുള്ള വഴി അതിലേക്ക് കൂടുതൽ വിവരങ്ങൾ നൽകുന്നതാണ്. ഒരു നീണ്ട പ്രോട്ടീനിലെ ഏതൊക്കെ ഭാഗങ്ങൾ ഒന്നിച്ച് ചേരാമെന്നും ഏതൊക്കെ ഭാഗങ്ങൾ ചേരില്ല എന്നുമുള്ള വിവരം ഈ മോഡലുകൾക്ക് നൽകിയാൽ അവ നമുക്ക് തരുന്ന പ്രോട്ടീൻ രൂപത്തിന്റെ പ്രവചനത്തിന്റെ കൃത്യത വളരെയധികം കൂട്ടാൻ സാധിക്കും. സങ്കീർണ്ണത കൂടുംതോറും ഇതിനാവശ്യമായ കമ്പ്യൂട്ടറിന്റെ ശക്തി കൂട്ടണം. ഇവിടെയാണ് ഇവർക്ക് ഒരു വരദാനമായി Google കടന്നുവരുന്നത്. Google-ന്റെ വളരെ ശക്തമായ കമ്പ്യൂട്ടറുകൾ ഇവയെ സഹായിച്ചു.

ഇത്പോലെ പല വിദ്യകൾ ഉപയോഗിച്ചിട്ടും പ്രവചനത്തിന്റെ കൃത്യതയിൽ കാര്യമായ മുന്നേറ്റങ്ങൾ ഉണ്ടായില്ല. അവിടെയാണ് പരിണാമശാസ്ത്രം ഇവരെ സഹായിച്ചത്. പരിണാമശാസ്ത്രം വഴി നമുക്കൊരു കാര്യമറിയാം. ഓരോ സ്പീഷീസും അതിന്റെ പൂർവികരിൽ നിന്നാണ് ഉണ്ടാകുന്നത്. അപ്പോൾ ആ പൂർവികരോട് അടുത്ത് നിൽക്കുന്ന മറ്റു സ്പീഷീസുകളിൽ നോക്കിയാൽ ഓരോ പ്രോട്ടീനിന്റെയും വിവിധ രൂപങ്ങൾ, അവയുടെ വ്യതിയാനങ്ങൾ എന്നിവ കാണാൻ സാധിക്കും. പരിണാമപരമായി അടുത്ത് നിൽക്കുന്ന സ്പീഷീസുകളിൽ ഒരേപോലത്തെ പ്രോട്ടീനുകൾ അല്പം വ്യത്യാസത്തോടുകൂടി ഓരോ സ്പീഷീസിലും നിലനിൽക്കുന്നു. ഇത്തരം പ്രോട്ടീനുകളെക്കുറിച്ച് പഠിച്ചാൽ, അവയിലെ വ്യത്യാസങ്ങളും സാദൃശ്യങ്ങളും മനസ്സിലാക്കി കഴിഞ്ഞാൽ, ഈ പ്രോട്ടീനുകളിലെ അടിസ്ഥാന രൂപഘടനയെക്കുറിച്ച് നമ്മൾക്ക് നല്ല ഒരു ധാരണ കിട്ടും. DeepMind എന്ന AI കമ്പനി ഒരു മോഡൽ കൂടി ഉണ്ടാക്കുന്നു. ഇതിനു പരിണാമപരമായ ഈ അറിവ് ഉപയോഗിച്ച് പ്രോട്ടീനുകളുടെ ഘടനയെക്കുറിച്ച് കൂടുതൽ കൃത്യമായ ഒരു രൂപം നൽകുവാൻ സാധിക്കുന്നു.

ഈ കമ്പനിക്ക് നിലവിൽ രണ്ട് വ്യത്യസ്ത മോഡലുകളുണ്ട്. ഒന്ന് പരിണാമശാസ്ത്രം ഉപയോഗിച്ച് നിർമ്മിച്ച മോഡലാണ്. മറ്റൊന്ന്, ഏതൊക്കെ തരത്തിൽ മടങ്ങാനും, ഒടിയാനും, തിരിയാനും സാധിക്കുമെന്ന് നോക്കുന്ന ജിയോമെട്രിക്കൽ മോഡലാണ്.

രണ്ട് മോഡലുകൾ പരസ്പരം സമാന്തരമായി പ്രവർത്തിച്ച് അറിവുകൾ കൈമാറി ഒരു പ്രോട്ടീൻ രൂപസാദൃശ്യം പുറത്ത് തരുന്നു. ഈ രൂപസാദൃശ്യം പിന്നീട് മൂന്നാമതായ ഒരു മോഡലിന് നൽകുന്നു. ഇതാണു structure module, ഈ മൂന്നാമത്തെ മോഡലിന്റെ ഉദ്ദേശം, മറ്റു രണ്ടു മോഡലുകളിൽ നിന്ന് കിട്ടുന്ന രൂപസാദൃശ്യത്തെ ഒരു പൂർണ്ണ 3D മോഡലായി ഒരു പ്രോട്ടീന്റെ പൂർണ്ണ രൂപത്തിലേക്ക് മാറ്റുന്നതാണ്. ഒരു പ്രോട്ടീൻ രൂപത്തെ പല പ്രാവശ്യം മൂന്ന് മോഡലുകളിലൂടെ കടത്തിവിടുകയും അതിൽ നിന്ന് കിട്ടുന്ന രൂപത്തെ എക്സ്-റേ ക്രിസ്റ്റലോഗ്രഫി വഴി കിട്ടിയ രൂപവുമായി താരതമ്യം ചെയ്യുന്നു. ഇത് പല പ്രാവശ്യമായി ആവർത്തിക്കുന്നു. ഏറ്റവും ഒടുവിൽ എക്സ്-റേ ക്രിസ്റ്റലോഗ്രഫി ആയി ഏറ്റവും അടുത്ത് നിൽക്കുന്ന ഒരു രൂപത്തെ കിട്ടിയാൽ അവർ ഈ പ്രവർത്തനം നിർത്തുന്നു. പ്രോട്ടീൻ രൂപങ്ങൾ ഇത്തരത്തിൽ കിട്ടുന്നത് ശരിയായ രൂപമാണെന്ന് പല പരീക്ഷണങ്ങളിലൂടെ തെളിഞ്ഞിട്ടുണ്ട്.

അവർ വികസിപ്പിച്ചെടുത്ത ഈ എഐ സാങ്കേതികവിദ്യയെ ആൽഫ ഫോൾഡ് ടു ( AlphaFold2) എന്നാണ് പേരിട്ടിരിക്കുന്നത്.

കഴിഞ്ഞ 60 വർഷത്തിനുള്ളിൽ ലോകത്തിലെ പല ശാസ്ത്രജ്ഞരും ഈ പഴയ രീതിയിൽ 1,50,000 പ്രോട്ടീനുകളുടെ രൂപം കണ്ടെത്തിയിരിന്നു. എന്നാൽ ഈ AI സങ്കേതിക വിദ്യ ഉപയോഗിച്ച് ചുരുങ്ങിയ കാലയളവിൽ തിരിച്ചറിഞ്ഞത്‌ 20,00,00,000 (ഇരുപത്‌ കോടി) പ്രോട്ടീനുകളുടെ രൂപത്തെയാണ്.. വളരേ കുറച്ച്‌ കാലളവിനുള്ളിൽ ഇവർ വലിയൊരളവ് പ്രോട്ടീനുകളുടെ രൂപം തിരിച്ചറിയുകയും ചുരുളഴിക്കുകയും ചെയ്തു.

അങ്ങനെ തിരിച്ചറിഞ്ഞ പ്രോട്ടീൻ ഉപയോഗിച്ച് മലേറിയക്കെതിരെ ഫലപ്രദമായ ഒരു വാക്സിൻ വികസിപ്പിച്ചെടുക്കാൻ ഇവർക്ക് സാധിച്ചു. അത്‌ കൂടാതെ മരുന്നുകളെ പ്രതിരോധിക്കുന്ന സൂപ്പർബഗ്ഗുകളുടെ പ്രോട്ടീൻ തിരിച്ചറിഞ്ഞ്, അതിനെതിരെ ഒരു ആന്റിഡോട്ട് ഉണ്ടാക്കുവാനും ഇവർക്ക്‌ കഴിഞ്ഞു. അതുവഴി ഇത്തരം സൂപ്പർ ബഗ്ഗുകളെ നിഷ്പ്രഭമാക്കാൻ സാധിച്ചു. മറ്റൊരു നേട്ടം, വിവിധ കാൻസറുകളുടെ കാരണമാകുന്ന പ്രോട്ടീനുകളെ ഈ AI സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച്‌ തിരിച്ചറിയാൻ കഴിഞ്ഞു

പ്രോട്ടീൻ തന്മാത്രയുടെ രൂപത്തെ കൃത്യമായി പ്രവചിച്ച് തിരിച്ചറിയാൻ കഴിവുള്ള ഈ സാങ്കേതികവിദ്യ 2024-ൽ നോബൽ സമ്മാനത്തിന് അർഹമായി. നോബൽ സമ്മാനത്തിന്റെ ഒരു പകുതി ലഭിച്ചത് ഗൂഗിളിന്റെ ലണ്ടനിലെ ഡീപ് മൈൻഡ് ഓഫീസിനാണ്. നോബൽ സമ്മാനത്തിന്റെ മറ്റേ പകുതി ലഭിച്ചത് ഇതേ ശാസ്ത്രവിദ്യ ഉപയോഗിച്ച് പുതിയതായി ഒരു പ്രോട്ടീൻ നിർമ്മിച്ച ശാസ്ത്രജ്ഞനാണ്. വാഷിംഗ്‌ട്ടൻ യുണിവേർസ്സിറ്റിയിലെ ബയോളജി വിഭാഗത്തിലെ ഡേവിഡ്‌ ബേക്കർ.

ഇദ്ദേഹം ഈ AI ഉപയോഗിച്ച്‌ ഒരോ പുതിയ പ്രവർത്തനത്തിനായി പുതിയ പ്രോട്ടീനുകൾ നിർമ്മിക്കാൻ തുടങ്ങി. ഇതുകൊണ്ട് മനുഷ്യകുലത്തിന് വളരെയധികം ഉപകാരങ്ങളുണ്ട്. മനുഷ്യർക്ക് കൃത്യമായി ഉപയോഗിക്കാൻ സാധിക്കുന്ന പുതിയ പ്രോട്ടീനുകൾ കൊണ്ട് പുതിയ രോഗങ്ങളെ പ്രതിരോധിക്കാം. മനുഷ്യരെ വേട്ടയാടിയിരുന്ന പല രോഗങ്ങൾക്കും ഈ കണ്ടുപിടിത്തം വഴി വികസിപ്പിക്കുന്ന പുതിയ വാക്സിനുകൾ ഉപയോഗിച്ച് പ്രതിരോധം തീർക്കാൻ സാധിക്കും.

ഈ വിദ്യ ഭാവിയിൽ പ്രോട്ടീനുകളിൽ മാത്രം ഒതുങ്ങുന്നില്ല. ഇതുവരെ നിർമ്മിക്കാത്ത പുതിയ തന്മാത്രകൾ നിർമ്മിച്ചുകൊണ്ട് മനുഷ്യർക്ക് പുതിയ പല കണ്ടുപിടിത്തങ്ങളും ഇതുവഴി ലഭിക്കുന്നതായിരിക്കും. ഇത്പോലെ material science മേഖലയിൽ വൻ കുതിച്ചു ചാട്ടങ്ങൾക്ക്‌ ഈ വിദ്യ ഉപകരിക്കുന്നതിനു‌ നമുക്ക്‌ സാക്ഷികൾ ആകാം. ഒരു നല്ല ഭാവിക്ക്‌ ഇത്തരം പല ശാസ്ത്ര മേഖലകൾ സംയോജിച്ച്‌ ഉണ്ടാകുന്ന വിസ്മയങ്ങൾ ‌ഉപകാരപ്പെടട്ടെ.

References: