A DeepMind 200 millió fehérje szerkezetét fedi fel tudományos előrelépéssel | mély elme

A mesterséges intelligencia szinte minden, a tudomány által ismert fehérje szerkezetét megoldotta, megnyitva az utat új gyógyszerek vagy technológiák kifejlesztése előtt, amelyek olyan globális kihívások kezelésére szolgálnak, mint az éhezés vagy a környezetszennyezés.

A fehérjék az élet építőkövei. Összetett formákba hajtogatott aminosavláncokból áll, amelyek háromdimenziós szerkezete nagymértékben meghatározza funkcióját. Amint megismeri, hogyan hajtogatott egy fehérje, elkezdheti megérteni, hogyan működik, és hogyan változtathatja meg a viselkedését. Bár a DNS adja meg az aminosavak láncának létrehozására vonatkozó utasításokat, nehezebb megjósolni, hogy ezek hogyan fognak kölcsönhatásba lépni egy háromdimenziós alakzat kialakításához, és egészen a közelmúltig a tudósok csak egy töredékét tudták megfejteni a körülbelül 200 méter hosszúságú fehérjéknek tudomány.

2020 novemberében a Mesterséges Intelligencia Csoport mély elme Bejelentette, hogy kifejlesztett egy AlphaFold nevű programot, amely egy algoritmus segítségével gyorsan megjósolja ezeket az információkat. Azóta összetöri minden olyan organizmus genetikai kódjait, amelyek genomját szekvenálták, megjósolva a bennük található több százmillió fehérje szerkezetét.

A DeepMind tavaly húsz faj fehérjeszerkezetét tette közzé – köztük Körülbelül 20 000 fehérjét expresszál az ember – Nyisd ki Adatbázis. Most elvégezte a munkát, és felszabadította több mint 200 millió fehérje előre jelzett szerkezetét.

„Lényegében úgy képzelhetjük el, hogy ez az egész fehérjevilágot lefedi” – mondta Demis Hassabis, a DeepMind és a DeepMind alapítója és vezérigazgatója.

A tudósok már felhasználják néhány korábbi jóslatát, hogy segítsenek új gyógyszerek kifejlesztésében. Májusban az Oxfordi Egyetem professzora, Matthew Higgins vezette kutatók bejelenteni AlphaFold modelleket használtak egy kulcsfontosságú malária-parazita fehérje szerkezetének meghatározására, és kiderítették, hogy valószínűleg hol kötődnek meg azok az antitestek, amelyek megakadályozhatják a parazita átvitelét.

„Korábban a fehérje krisztallográfiának nevezett technikát használtuk, hogy megnézzük, hogyan néz ki ez a molekula, de mivel annyira dinamikus és mozgó, nem tudtuk kezelni” – mondta Higgins. „Amikor átvettük az AlphaFold modelleket, és kombináltuk őket ezzel a kísérleti bizonyítékkal, hirtelen mindennek értelme lett. Ezt a betekintést most olyan továbbfejlesztett vakcinák tervezésére fogják használni, amelyek hatékonyabban megakadályozzák az átvitelt.”

Az AlphaFold modelleket a Portsmouth Egyetem Enzim Innovációs Központjának tudósai is használják, hogy azonosítsák a természetből származó enzimeket, amelyek módosíthatók a műanyag megemésztésére és újrahasznosítására. John McGeehan professzor, aki a munkát vezeti, mondta. „Teljes paradigmaváltás következik be. Innentől valóban felgyorsíthatjuk, merre tartunk – és ez segít nekünk az értékes erőforrásokat a fontos dolgok felé irányítani.”

Dame Janet Thornton professzor, a European Molecular csoport vezetője és vezető tudósa biológia Az Európai Laboratóriumi Bioinformatikai Intézet a következőket mondta: „Az AlphaFold fehérjeszerkezetre vonatkozó előrejelzéseket már most is számtalan módon használják. Arra számítok, hogy ez a legújabb frissítés izgalmas új felfedezések özönéhez vezet a következő hónapokban és években, mindez annak köszönhető, hogy az adatok mindenki számára elérhető.”