БиологияМедицина и здоровьеНовые технологии

Искусственный интеллект AlphaFold решил 50-летнюю проблему сворачивания белка

Крупный прорыв в области искусственного интеллекта DeepMind от Alphabet может изменить правила игры в медицине, поскольку система демонстрирует способность предсказывать трехмерные структуры уникальных белков, преодолевая проблему, которая преследовала биологов на протяжении полувека.

Понимая трехмерные формы различных белков, ученые могут лучше понять, что они делают и как вызывают заболевания, что, в свою очередь, открывает путь к созданию более совершенных лекарств. Кроме того, как центральный компонент химических процессов для всего живого, точное картирование трехмерных структур белков принесло бы пользу многим областям биологических исследований, но этот процесс оказался очень сложным.

Это связано с тем, что, хотя современные научные инструменты, такие как рентгеновская кристаллография и криоэлектронная микроскопия, позволяют исследователям изучать эти структуры в удивительно новых деталях, все они по-прежнему зависят от процесса проб и ошибок.

Белки состоят из одномерных цепочек аминокислот, которые затем складываются в окончательную трехмерную структуру, и возможность использовать вычислительные методы для получения исходной аминокислотной последовательности и прогнозирования того, как будет выглядеть готовый трехмерный продукт, станет важным шагом вперед.

Это известно как «проблема сворачивания белка», и исследователи ищут ее решения с начала 1970-х годов. Проблема в том, что количество трехмерных конфигураций, в которые может складываться аминокислотная цепочка, настолько велико, что некоторые эксперты говорят, что для их определения с помощью вычисления методом грубой силы потребуется больше времени, чем возраст нашей Вселенной.

AlphaFold от DeepMind — это система искусственного интеллекта, созданная для решения этой давней проблемы. В 2018 году первая версия AlphaFold дебютировала на CASP (Критическая оценка прогнозирования структуры белка), проводимом раз в два года всемирном мероприятии, посвященном экспериментам с современными технологиями структурирования белков. AlphaFold достигла наивысшей точности участвующих технологий на CASP13 в 2018 году, но теперь была развита до того, что было названо «потрясающим достижением».

Система была обучена на общедоступных данных примерно о 170 000 белковых структур и большой базе данных неизвестных белковых структур перед ее появлением на CASP14 на этой неделе. Технологии оцениваются от 0 до 100 по точности так называемого теста глобального расстояния, который оценивает, какой процент гранул в белковой цепи находится в пределах порогового расстояния от правильного местоположения. В опубликованных результатах AlphaFold набрал 92,4 балла по всем целевым показателям.

“Удивительно точные модели AlphaFold позволили нам решить структуру белка, над которой мы застряли на многие годы, возобновив наши усилия по пониманию того, как сигналы передаются через клеточные мембраны”, — говорит профессор Андрей Лупас, директор Института биологии им. Макса Планка и эксперт CASP.

AlphaFold может помочь ученым идентифицировать неисправные белки и выявить причины, по которым они приводят к определенным заболеваниям, открывая совершенно новые пути разработки лекарств, которые могут ускорить лечение. Он также может помочь в разработке ферментов для разложения пластиковых отходов или помочь в борьбе с будущими пандемиями, предсказывая белковые структуры новых вирусов. Кроме того, ИИ может помочь разгадать сотни миллионов белков, структуры которых мы в настоящее время не знаем.

«Эта вычислительная работа представляет собой ошеломляющий прогресс в решении проблемы сворачивания белков, грандиозной задаче биологии 50-летней давности, — сказал профессор Венкатраман Рамакришнан, лауреат Нобелевской премии по химии 2009 года. «Прорыв произошел на десятилетия раньше, чем предсказывали многие специалисты в этой области. Будет интересно увидеть, как ИИ фундаментально изменит биологические исследования».

На видео ниже также представлен обзор этого открытия.

Показать больше
Подписаться
Уведомление о
0 Комментарий
Встроенные отзывы
Посмотреть все комментарии
Back to top button