DeepMind ujawnia strukturę 200 milionów białek w naukowym skoku do przodu | głęboki umysł

Sztuczna inteligencja rozwiązała strukturę prawie każdego białka znanego nauce, torując drogę do rozwoju nowych leków lub technologii, które pozwolą sprostać globalnym wyzwaniom, takim jak głód czy zanieczyszczenie.

Białka są budulcem życia. Składa się z łańcuchów aminokwasów, złożonych w złożone kształty, których trójwymiarowa struktura w dużej mierze determinuje jego funkcję. Kiedy już wiesz, jak białko się składa, możesz zacząć rozumieć, jak działa i jak zmienić jego zachowanie. Chociaż DNA dostarcza instrukcji tworzenia łańcucha aminokwasów, przewidywanie, w jaki sposób będą one oddziaływać, tworząc trójwymiarowy kształt, było trudniejsze i do niedawna naukowcy rozszyfrowali tylko ułamek z około 200 m białek znanych z nauki ścisłe.

W listopadzie 2020 r. Grupa Sztucznej Inteligencji głęboki umysł Ogłosił, że opracował program o nazwie AlphaFold, który może szybko przewidzieć te informacje za pomocą algorytmu. Od tego czasu niszczy kody genetyczne każdego organizmu, którego genom został zsekwencjonowany, przewidując struktury setek milionów białek, które zawierają razem.

W ubiegłym roku DeepMind opublikował struktury białkowe dwudziestu gatunków – w tym Około 20 000 białek jest wyrażanych przez ludzi – Otwarty Baza danych. Teraz wykonał swoje zadanie, uwalniając przewidywane struktury ponad 200 milionów białek.

„Zasadniczo można myśleć o tym, że obejmuje on cały świat białek” – powiedział Demis Hassabis, założyciel i dyrektor generalny DeepMind i DeepMind.

Naukowcy już wykorzystują niektóre z jego wcześniejszych przewidywań, aby pomóc w opracowywaniu nowych leków. W maju naukowcy pod kierunkiem profesora Matthew Higginsa z Uniwersytetu Oksfordzkiego ogłosić Wykorzystali modele AlphaFold, aby określić strukturę kluczowego białka pasożyta malarii i ustalić, gdzie prawdopodobnie będą się wiązać przeciwciała, które mogą zapobiegać przenoszeniu pasożyta.

„Wcześniej używaliśmy techniki zwanej krystalografią białek, aby zobaczyć, jak ta cząsteczka wygląda, ale ponieważ jest tak dynamiczna i poruszająca się, nie mogliśmy sobie z tym poradzić” – powiedział Higgins. „Kiedy wzięliśmy modele AlphaFold i połączyliśmy je z tymi eksperymentalnymi dowodami, nagle wszystko nabrało sensu. Ten wgląd zostanie teraz wykorzystany do zaprojektowania ulepszonych szczepionek, które indukują przeciwciała, które są bardziej skuteczne w zapobieganiu przenoszeniu.”

Modele AlphaFold są również wykorzystywane przez naukowców z Centrum Innowacji Enzymów na Uniwersytecie w Portsmouth do identyfikacji enzymów ze świata przyrody, które można modyfikować w celu trawienia i recyklingu plastiku. Profesor John McGeehan, który kieruje pracami, powiedział. „Następuje całkowita zmiana paradygmatu. Możemy naprawdę przyspieszyć dokąd zmierzamy – a to pomaga nam skierować te cenne zasoby na rzeczy, które mają znaczenie.”

Profesor Dame Janet Thornton, kierownik grupy i główny naukowiec w European Molecular biologia Europejski Instytut Bioinformatyki Laboratoryjnej powiedział: „Prognozy struktury białek AlphaFold są już wykorzystywane na niezliczone sposoby. Spodziewam się, że ta najnowsza aktualizacja doprowadzi do mnóstwa ekscytujących nowych odkryć w nadchodzących miesiącach i latach, wszystko dzięki temu, że dane są dostępne dla każdego.”