Vědci sestavili databázi 200 milionů proteinových struktur. Dosáhli toho pomocí programu AlphaFold,
Paradoxní proteiny
Bílkoviny jsou stavebními kameny života.Jsou produkovány různými organismy, od bakterií po rostliny a zvířata, a když jsou produkovány, skládají se dohromady během milisekund. Vzniká z řetězců aminokyselin složených do složitých tvarů a jejich trojrozměrná struktura do značné míry určuje jejich funkci. Jakmile zjistíte, jak se protein skládá, můžete pochopit, jak funguje, a změnit jeho chování.
DNA sice poskytuje návod k tvořenířetězce aminokyselin, bylo velmi obtížné předpovědět, jak interagují za vzniku trojrozměrného tvaru. Až donedávna vědci rozluštili pouze zlomek z 200 milionů proteinů, které věda zná. Problém je v tom, že jejich struktura je tak složitá, že pokusit se uhodnout, jakou budou mít podobu, je téměř nemožné.
AlphaFold od DeepMind vytvořil 3D obrázky proteinových struktur. Obrázek s laskavým svolením DeepMind
Cyrus Levinthal, americký molekulárníbiolog, napsal v článku z roku 1969 o paradoxu: navzdory obrovskému počtu možných konfigurací se proteiny rychle a přesně skládají. Navíc každý protein může mít 10^300 možných finálních forem.
Levinthal tedy napsal, že kdyby se člověk pokusil najít správnou formu proteinu zkoušením každé konfigurace jednu po druhé, trvalo by to déle, než by vesmír existoval.
Pokusy vědců
Vědci mají způsoby, jak vizualizovat proteinya analyzovat jejich strukturu, ale to je příliš pomalá a obtížná práce. Podle časopisu Nature se k zobrazení proteinů nejčastěji používá rentgenová krystalografie. Při této metodě jsou rentgenové paprsky zaměřeny na krystaly pevných bílkovin a měřeny, jak se lámou. Cílem je zjistit, jak je protein strukturován. Podle DeepMind tato experimentální práce určila tvar asi 190 000 proteinů.
Nová metoda
V listopadu 2020 se skupina DeepMind zapojilaumělá inteligence oznámila vývoj programu nazvaného AlphaFold, který dokáže rychle předvídat tyto informace pomocí algoritmu. Od té doby studuje genetické kódy každého organismu, jehož genom byl sekvenován, a předpovídá struktury stovek milionů proteinů, které společně obsahují.
AlphaFold funguje tak, že shromažďuje znalostio aminokyselinových sekvencích a interakcích, snaží se interpretovat proteinové struktury. V důsledku toho se algoritmus naučil předpovídat tvary proteinů během několika minut s přesností až na atomovou úroveň.
Minulý rok vyšla DeepMindotevřená databáze proteinových struktur obsahuje 20 druhů, včetně téměř všech 20 000 proteinů exprimovaných lidmi. Nyní dokončil práci a zveřejnil předpokládané struktury pro více než 200 milionů proteinů.
Jak se technologie aplikuje?
Vědci již využívají plody své práceAlphaFold. Podle listu The Guardian tento program vědcům umožnil definitivně charakterizovat klíčový protein v parazitu malárie, který nebyl přístupný rentgenové krystalografii. To v konečném důsledku zlepší vakcínu proti této nemoci.
3D obrázek proteinu malárie. Obrázek s laskavým svolením Deepmind
Wilde Leipart, výzkumník včely medonosnéz Norské univerzity přírodních věd použil AlphaFold k odhalení struktury vitellogeninu. Je to reprodukční a imunitní protein, který produkují všechna zvířata snášející vejce. Objev pomůže vyvinout nové způsoby ochrany například včel a ryb před nemocemi. To je důležité, protože tato zvířata jsou důležitá pro výživu lidstva.
Program také informuje o hledání novéhoPharmaceuticals, Rosana Kapeller, generální ředitelka ROME Therapeutics, uvedla v prohlášení DeepMind. „Rychlost a přesnost AlphaFold urychluje proces vývoje léků. Teprve začínáme chápat jeho dopad na vývoj léčiv,“ uzavřela.
Také modely AlphaFold používají vědciz Centra pro inovace enzymů University of Portsmouth k identifikaci enzymů z přírodního světa, které lze upravit na míru pro zpracování plastů.
Přečtěte si více:
Brzy zasáhne Zemi sluneční bouře: materiál letí rychlostí 800 km/s
Vědci natočili podivného tvora s chapadly, které si spletli s květinou
Rusko opouští ISS: co se nyní stane a proč je ohrožena údržba stanice