Искусственный интеллект AlphaFold предсказал структуру почти всех белков в организме человека

Знание сложной формы различных индивидуальных белков может помочь ученым понять, что они делают и как ими можно с пользой управлять

0 1 085

В прошлом году DeepMind представила убедительное решение научной проблемы 50-летней давности, продемонстрировав, как его AlphaFold может предсказывать трехмерные структуры уникальных белков, заложив основу для новой эры биологических открытий.

Компания продолжила создание этих основ, теперь делясь предсказанными структурами почти для каждого белка в организме человека, что ускорит исследования во всем, от устойчивости к антибиотикам до лечения рака и многого другого.

Знание сложной формы различных индивидуальных белков может помочь ученым понять, что они делают и как ими можно с пользой управлять, например, с помощью лекарств, которые борются с болезнями человека.

Но все белки начинаются с одномерных цепочек аминокислот, которые складываются в почти бесконечный ряд очень сложных трехмерных структур. Использование этих аминокислотных цепей для предсказания того, как будет выглядеть окончательная структура, известно как «проблема сворачивания белка», и это одна из тех проблем, с которыми ученые борются с начала 1970-х годов.

AlphaFold от DeepMind был разработан для решения этой проблемы с помощью мощи современных вычислений. Система обучается на общедоступных белковых структурах, которые уже были определены в ходе научных экспериментов, и в прошлом году продемонстрировала, как ее можно использовать для определения белковых структур, над которыми ученые работали в течение многих лет.

AlphaFold, описываемый как «удивительно точный», «изменивший правила игры» и «ошеломляющий прогресс», рассматривается как решение 50-летней проблемы сворачивания белка, которое знаменует собой новую главу в биологических исследованиях.

Это могло бы помочь ученым гораздо быстрее определить неисправные белки и причины, по которым они вызывают определенные заболевания, или значительно ускорить разработку лекарств для их лечения. Можно было бы быстрее разработать ферменты для разложения пластиковых отходов, а с новыми вирусами можно было бы более эффективно бороться, например, путем картирования структур белков-шипов.

Менее чем через год мы уже видим, как эта технология начинает менять мир научных исследований. На прошлой неделе отдельная группа исследователей из Вашингтонского университета продемонстрировала похожее на AlphaFold программное обеспечение под названием RoseTTAFold. Он может предсказывать белковые структуры всего за 10 минут с помощью обычного компьютера и стал доступен онлайн бесплатно.

Команда DeepMind также работает над тем, чтобы сделать свой инструмент более доступным. На прошлой неделе она опубликовал документ, в котором подробно описала, как разрабатывалась система, и разместила исходный код на GitHub. Вчера DeepMind опубликовал свой каталог прогнозов почти для всех белков человеческого тела, известный как протеом (совокупность всех белков) человека.

Каталог составляет 98,5% белков человека, всего около 20 тысяч. Кроме того, DeepMind предоставил открытый доступ к протеомам 20 других интересующих организмов, включая плодовую мушку, мышь, дрожжи и кишечную палочку, что в общей сложности составляет более 350 000 белковых структур.

DeepMind планирует существенно расширить эту коллекцию в ближайшие месяцы, включив в нее более 100 миллионов белков, известных науке, что приведет к созданию того, что DeepMind называет «настоящим белковым альманахом мира».

«Это будет один из самых важных наборов данных с момента картирования генома человека», – говорит профессор Эван Бирни, заместитель генерального директора Европейской лаборатории молекулярной биологии.

Статья, описывающая предсказания протеома человека, была опубликована в Nature, а видео ниже предлагает короткую демонстрацию базы данных структуры белков.

Источник: DeepMind

Войти с помощью: 
Подписаться
Уведомление о
guest
0 Комментарий
Встроенные отзывы
Посмотреть все комментарии
0
Будем рады вашим мыслям, пожалуйста, прокомментируйте.x
()
x