DeepMind saka, ka tas atbrīvos katra zinātnei zināmā proteīna struktūru

olbaltumvielu struktūras

DeepMind



2020. gada decembrī DeepMind pārsteidza bioloģijas pasauli, kad tas atrisināja 50 gadu lielu izaicinājumu, izmantojot AlphaFold — mākslīgā intelekta rīku, kas prognozē proteīnu struktūru. Pagājušajā nedēļā Londonas uzņēmums publicēja pilnīga informācija par šo rīku un izlaida savu pirmkodu.

Tagad uzņēmums ir paziņojis, ka tas ir noticis izmantoja savu AI, lai prognozētu gandrīz katra cilvēka ķermeņa proteīna formas , kā arī simtiem tūkstošu citu proteīnu formas, kas atrodamas 20 visplašāk pētītajos organismos, tostarp raugā, augļu mušās un pelēs. Izrāviens varētu ļaut biologiem no visas pasaules labāk izprast slimības un izstrādāt jaunas zāles.





DeepMind proteīnu salokāmais AI ir atrisinājis 50 gadus vecu grandiozu bioloģijas izaicinājumu

AlphaFold var paredzēt olbaltumvielu formu atoma platumā. Izrāviens palīdzēs zinātniekiem izstrādāt zāles un izprast slimības.

Līdz šim krātuve sastāv no 350 000 nesen prognozētām olbaltumvielu struktūrām. DeepMind saka, ka nākamo dažu mēnešu laikā tas prognozēs un atbrīvos struktūras par vairāk nekā 100 miljoniem vairāk — vairāk vai mazāk visas zinātnei zināmās olbaltumvielas.

Covid izsekošana iphone

Proteīna locīšana ir problēma, uz kuru esmu pievērsis uzmanību vairāk nekā 20 gadus, saka DeepMind līdzdibinātājs un izpilddirektors Demis Hassabis. Tas mums ir bijis milzīgs projekts. Es teiktu, ka šī ir lielākā lieta, ko esam paveikuši līdz šim. Un tas savā ziņā ir aizraujošākais, jo tam vajadzētu būt lielākajai ietekmei pasaulē ārpus AI.



Olbaltumvielas ir izgatavotas no garām aminoskābju lentēm, kas savijas sarežģītos mezglos. Zinot proteīna mezgla formu, var atklāt, ko šis proteīns dara, kas ir ļoti svarīgi, lai izprastu, kā darbojas slimības, un izstrādātu jaunas zāles vai identificētu organismus, kas var palīdzēt cīnīties ar piesārņojumu un klimata pārmaiņām. Proteīna formas noteikšana laboratorijā aizņem nedēļas vai mēnešus. AlphaFold var paredzēt formas līdz tuvākajam atomam vienas vai divu dienu laikā.

Jaunajai datubāzei vajadzētu vēl vairāk atvieglot biologu dzīvi. AlphaFold varētu būt pieejams pētniekiem, taču ne visi vēlēsies paši palaist programmatūru. Ir daudz vieglāk paņemt struktūru no datu bāzes, nekā palaist to savā datorā, saka Deivids Beikers no Vašingtonas Universitātes Proteīna dizaina institūta, kura laboratorija ir izveidojusi savu proteīnu struktūras prognozēšanas rīku. RoseTTAFold , pamatojoties uz AlphaFold pieeju.

cūkas un cilvēka hibrīds

Pēdējo dažu mēnešu laikā Beikera komanda ir strādājusi ar biologiem, kuri iepriekš bija iestrēguši, mēģinot noskaidrot pētāmo olbaltumvielu formu. Viņš saka, ka ir daudz diezgan atdzist bioloģisko pētījumu, kas ir patiešām paātrināti. Publiskai datubāzei, kurā ir simtiem tūkstošu gatavu proteīnu formu, vajadzētu būt vēl lielākam paātrinātājam.

Tas izskatās pārsteidzoši iespaidīgi, saka Toms Eliss, sintētiskais biologs no Londonas Imperiālās koledžas, kas pēta rauga genomu, un ir sajūsmā par iespēju izmēģināt datubāzi. Bet viņš brīdina, ka lielākā daļa paredzēto formu laboratorijā vēl nav pārbaudītas.



Atomu precizitāte

Jaunajā AlphaFold versijā prognozēm ir uzticamības rādītājs, ko rīks izmanto, lai atzīmētu, cik tuvu, pēc tā domām, katra paredzētā forma ir reālajai lietai. Izmantojot šo mērījumu, DeepMind atklāja, ka AlphaFold paredzēja formas 36% cilvēka proteīnu ar precizitāti, kas ir pareiza līdz pat atsevišķu atomu līmenim. Tas ir pietiekami labs zāļu izstrādei, saka Hassabis.

Iepriekš, pēc gadu desmitiem ilga darba, tikai 17% olbaltumvielu cilvēka organismā tika noteiktas laboratorijā. Ja AlphaFold prognozes ir tik precīzas, kā saka DeepMind, rīks ir vairāk nekā divkāršojis šo skaitli tikai dažu nedēļu laikā.

ir melu detektors precīzs

Pat prognozes, kas nav pilnībā precīzas atomu līmenī, joprojām ir noderīgas. Vairāk nekā pusei no cilvēka organismā esošajiem proteīniem AlphaFold ir paredzējis formu, kas būtu pietiekami laba, lai pētnieki varētu noskaidrot proteīna funkciju. Pārējās AlphaFold pašreizējās prognozes ir vai nu nepareizas, vai arī attiecas uz trešdaļu cilvēka ķermeņa proteīnu, kam vispār nav struktūras, kamēr tie nesaistās ar citiem. Tie ir disketi, saka Hassabis.

Fakts, ka to var izmantot šādā kvalitātes līmenī, ir iespaidīgs, saka Mohammeds AlQuraish, Kolumbijas universitātes sistēmu biologs, kurš ir izstrādājis savu programmatūru proteīna struktūras prognozēšanai. Viņš arī norāda, ka struktūras lielākajai daļai olbaltumvielu organismā ļaus izpētīt, kā šīs olbaltumvielas darbojas kā sistēma, nevis tikai atsevišķi. Tas, manuprāt, ir pats aizraujošākais, viņš saka.

DeepMind savus rīkus un prognozes izlaiž bez maksas un neteiks, vai nākotnē plāno ar tiem pelnīt. Tomēr tas neizslēdz iespēju. Lai izveidotu un palaistu datubāzi, DeepMind sadarbojas ar Eiropas Molekulārās bioloģijas laboratoriju, starptautisku pētniecības iestādi, kas jau mitina lielu olbaltumvielu informācijas datubāzi.

Pagaidām AlQuraishi nevar gaidīt, lai redzētu, ko pētnieki dara ar jaunajiem datiem. Tas ir diezgan iespaidīgi, viņš saka, ka es nedomāju, ka kāds no mums domāja, ka būsim šeit tik ātri. Tas ir prātam neaptverami.

paslēpties

Faktiskās Tehnoloģijas

Kategorija

Bez Kategorijas

Tehnoloģija

Biotehnoloģija

Tehniskā Politika

Klimata Izmaiņas

Cilvēki Un Tehnoloģijas

Silikona Ieleja

Datortehnika

Žurnāls Mit News

Mākslīgais Intelekts

Kosmoss

Gudrās Pilsētas

Blockchain

Funkcijas Stāsts

Absolventu Profils

Absolventu Savienojums

Mit News Funkcija

1865. Gads

Mans Skats

77 Mass Ave

Iepazīstieties Ar Autoru

Profili Dāsnumā

Redzēts Universitātes Pilsētiņā

Absolventu Vēstules

Jaunumi

2020. Gada Vēlēšanas

Ar Indeksu

Zem Kupola

Ugunsdzēsības Šļūtene

Bezgalīgi Stāsti

Pandēmijas Tehnoloģiju Projekts

No Prezidenta

Vāka Stāsts

Foto Galerija

Ieteicams