DeepMind twierdzi, że uwolni strukturę każdego białka znanego nauce

DeepMind

W grudniu 2020 r. DeepMind zaskoczył świat biologii, gdy rozwiązał wielkie 50-letnie wyzwanie za pomocą AlphaFold , narzędzia AI, które przewiduje strukturę białek. W zeszłym tygodniu londyńska firma opublikowała pełne szczegóły tego narzędzia i wydała swój kod źródłowy.

Teraz firma ogłosiła, że ​​ma: wykorzystał swoją sztuczną inteligencję do przewidywania kształtu prawie każdego białka w ludzkim ciele , a także kształty setek tysięcy innych białek występujących w 20 najszerzej przebadanych organizmach, w tym drożdżach, muszkach owocowych i myszach. Przełom może umożliwić biologom z całego świata lepsze zrozumienie chorób i opracowanie nowych leków.

Powiązana historia

Sztuczna inteligencja DeepMind do składania białek rozwiązała 50-letnie wielkie wyzwanie biologii

AlphaFold może przewidzieć kształt białek z dokładnością do szerokości atomu. Przełom pomoże naukowcom w projektowaniu leków i zrozumieniu choroby.

Jak dotąd skarbnica składa się z 350 000 nowo przewidywanych struktur białkowych. DeepMind twierdzi, że w ciągu najbliższych kilku miesięcy będzie przewidywać i uwalniać struktury dla ponad 100 milionów więcej — mniej więcej wszystkich białek znanych nauce.

Składanie białek to problem, na który mam oko od ponad 20 lat – mówi współzałożyciel i dyrektor generalny DeepMind, Demis Hassabis. To był dla nas ogromny projekt. Powiedziałbym, że to największa rzecz, jaką do tej pory zrobiliśmy. W pewnym sensie jest to najbardziej ekscytujące, ponieważ powinno mieć największy wpływ na świat poza sztuczną inteligencją.

Białka zbudowane są z długich wstęg aminokwasów, które skręcają się w skomplikowane węzły. Znajomość kształtu węzła białkowego może ujawnić, co robi to białko, co jest kluczowe dla zrozumienia, jak działają choroby i opracowywania nowych leków – lub identyfikacji organizmów, które mogą pomóc w walce z zanieczyszczeniami i zmianami klimatycznymi. Ustalenie kształtu białka w laboratorium zajmuje tygodnie lub miesiące. AlphaFold może przewidzieć kształty z dokładnością do najbliższego atomu w dzień lub dwa.

Nowa baza danych powinna jeszcze bardziej ułatwić życie biologom. AlphaFold może być dostępny dla badaczy, ale nie każdy będzie chciał sam uruchamiać oprogramowanie. O wiele łatwiej jest pobrać strukturę z bazy danych, niż uruchomić ją na własnym komputerze, mówi David Baker z Institute for Protein Design na University of Washington, którego laboratorium zbudowało własne narzędzie do przewidywania struktury białek, zwane RoseTTAFold , w oparciu o podejście AlphaFold.

W ciągu ostatnich kilku miesięcy zespół Bakera współpracował z biologami, którzy wcześniej utknęli, próbując ustalić kształt badanych białek. „Jest wiele całkiem fajnych badań biologicznych, które zostały naprawdę przyspieszone”, mówi. Publiczna baza danych zawierająca setki tysięcy gotowych kształtów białek powinna być jeszcze większym akceleratorem.

Wygląda to zdumiewająco imponująco, mówi Tom Ellis, biolog syntetyczny z Imperial College London badający genom drożdży, który jest podekscytowany wypróbowaniem bazy danych. Ostrzega jednak, że większość przewidywanych kształtów nie została jeszcze zweryfikowana w laboratorium.

Atomowa precyzja

W nowej wersji AlphaFold prognozy są dostarczane z oceną ufności, której narzędzie używa do oznaczania, w jakim stopniu każdy z przewidywanych kształtów jest zbliżony do rzeczywistego kształtu. Korzystając z tej miary, DeepMind odkrył, że AlphaFold przewidział kształty dla 36% ludzkich białek z dokładnością do poziomu pojedynczych atomów. To wystarczy do opracowania leków, mówi Hassabis.

Wcześniej, po dziesięcioleciach pracy, tylko 17% białek w ludzkim ciele miało swoją strukturę zidentyfikowaną w laboratorium. Jeśli prognozy AlphaFold są tak dokładne, jak twierdzi DeepMind, narzędzie podwoiło tę liczbę w ciągu zaledwie kilku tygodni.

Nawet przewidywania, które nie są w pełni dokładne na poziomie atomowym, są nadal przydatne. Dla ponad połowy białek w ludzkim ciele AlphaFold przewidział kształt, który powinien być wystarczająco dobry, aby naukowcy mogli zrozumieć funkcję białka. Pozostałe obecne prognozy AlphaFold są albo nieprawidłowe, albo dotyczą jednej trzeciej białek w ludzkim ciele, które nie mają żadnej struktury, dopóki nie zwiążą się z innymi. Są dyskietki, mówi Hassabis.

Fakt, że można go zastosować na tym poziomie jakości, jest imponujący, mówi Mohammed AlQuraish, biolog systemowy z Columbia University, który opracował własne oprogramowanie do przewidywania struktury białek. Wskazuje również, że posiadanie struktur większości białek w organizmie umożliwi badanie działania tych białek jako systemu, a nie tylko w izolacji. Uważam, że to jest najbardziej ekscytujące, mówi.

DeepMind udostępnia swoje narzędzia i prognozy za darmo i nie powie, czy ma plany zarabiania na nich w przyszłości. Nie wyklucza jednak takiej możliwości. Aby skonfigurować i uruchomić bazę danych, DeepMind współpracuje z Europejskim Laboratorium Biologii Molekularnej, międzynarodową instytucją badawczą, która już obsługuje dużą bazę danych informacji o białkach.

Na razie AlQuraishi nie może się doczekać, aby zobaczyć, co naukowcy zrobią z nowymi danymi. To całkiem spektakularne, mówi, że nie sądzę, by ktokolwiek z nas myślał, że będziemy tu tak szybko. To zadziwiające.

ukryć