Nicht nur der Mensch kann eine genetische Krankheit vorhersagen und ein neues Medikament entwickeln, sondern auch
Wie untersuchen Biologen menschliche Proteine?
Seit mehr als 10 Jahren Molekularbiologe Martin Beckzusammen mit Kollegen versucht, ein detailliertes Modell von Kernporenkomplexen zu erstellen. Beck nennt es die größte molekulare Maschine in menschlichen Zellen. Der Kernporenkomplex steuert den Fluss von Molekülen, die in den Zellkern hinein und aus ihm heraus fließen, wo sich das Genom befindet. Hunderte solcher Komplexe existieren in allen Zellen. Jedes von ihnen besteht aus mehr als 1.000 Proteinen.
Diese Tausenden von Stücken bilden über 30 Proteine.Bausteine, die auf unterschiedliche Weise ineinandergreifen: Das Arbeiten mit ihnen ist daher noch schwieriger. 2016 berichtete ein Team um Beck vom Max-Planck-Institut für Biophysik (MPIB), dass sie ein Modell erstellt haben, das etwa 30 % des Kernporenkomplexes und fast die Hälfte der Bausteine, also Nup-Proteine, beschreibt.
Wie lernen Algorithmen menschliche Proteine?
Im Juli 2021 wurde DeepMind, Teil vonAlphabet, die Muttergesellschaft von Google, hat eine KI namens AlphaFold eingeführt. Diese Software könnte die dreidimensionale Form von Proteinen anhand ihrer genetischen Sequenz vorhersagen. Die Berechnungen wurden mit hoher Genauigkeit durchgeführt. Dadurch haben sich die Aufgaben und Interessen der Biologen gravierend verändert.
Mithilfe von AlphaFold konnten Wissenschaftler Vorhersagen treffenWelche Form hat das menschliche Nup-Protein? Und später veröffentlichten sie ein Modell, das 60 % des Kernporenkomplexes beschreibt. Dies half zu verstehen, wie der Komplex Poren stabilisiert und den Fluss von Molekülen steuert.
AlphaFold-Manie: Warum ist KI zur Untersuchung der Struktur von Proteinen so beliebt geworden?
Laut Biologen die gesamte wissenschaftliche Gemeinschaftgepackte AlphaFold-Manie. KI wurde für eine Vielzahl von Forschungsarbeiten eingesetzt. In manchen Fällen half der Algorithmus, Zeit zu sparen oder neue Daten zu liefern. Aber KI hat auch Grenzen: Einige Wissenschaftler finden ihre Vorhersagen zu unzuverlässig für ihre Arbeit. Trotzdem geben alle zu, dass der Algorithmus besser mit der Datenverarbeitung zurechtkommt als jeder andere.
Sogar die Algorithmenentwickler selbst tun dies nicht immerhaben Zeit, herauszufinden, in welchen anderen Bereichen es eingesetzt werden kann: Daher schauen sie oft nur zu, wie Forscherteams mit AlphaFold neue Entdeckungen machen: von der Arzneimittelentdeckung und Proteinentwicklung bis hin zum Ursprung komplexen Lebens.
Mitte Juli 2021 gemeinfreiEin Open-Source-KI-Code ist erschienen, ebenso wie andere Informationen, die Wissenschaftlern helfen werden, solche Forschungen als Teil ihrer Arbeit durchzuführen. Eine Woche später gab DeepMind bekannt, dass es AlphaFold verwendet hatte, um die Struktur fast aller Proteine vorherzusagen, die Menschen herstellen. Insgesamt untersuchte das Team 365.000 biologische Strukturen. Heute ist diese Datenbank auf fast eine Million Strukturen angewachsen.
Im Jahr 2022 plant DeepMind die Veröffentlichunginsgesamt mehr als 100 Millionen Vorhersagen über die biologische Struktur von Organismen. Das ist fast die Hälfte aller bekannten Proteine; diese Zahl ist auch hundertmal höher als die Proteine, die experimentell bestimmt werden konnten.
Das Tool hat Forschern bereits dabei geholfen, neue zu findenpotenzielle Proteinpartner. Die Wissenschaftler nutzten AlphaFold, um die Strukturen von 65.000 menschlichen Proteinpaaren vorherzusagen. Und eine andere Gruppe verwendete AlphaFold und RoseTTAFold, um die Wechselwirkungen zwischen fast jedem von Hefe kodierten Proteinpaar zu modellieren. Dabei fanden sie mehr als 100 bisher unbekannte Kernporenkomplexe.
Wie funktioniert Alpha Fold?
AlphaFold nutzt tiefe neuronale NetzeLernen: Dies ist eine Computerstruktur, die wie das menschliche Gehirn funktioniert und Muster in Daten erkennt. Der Algorithmus wurde anhand von Hunderttausenden experimentell ermittelten Proteinstrukturen trainiert. Stößt die KI auf eine neue Sequenz, durchsucht sie zunächst Datenbanken nach ähnlichen Fällen.
AlphaFold geht die Hinweise durch und versucht esSimulieren Sie ein 3D-Bild von Aminosäuren. Experten glauben, dass diese Software neue Ideen für maschinelles Lernen erfolgreich umgesetzt hat. Insbesondere stellen sie einen einzigartigen Mechanismus namens „Aufmerksamkeit“ fest – er bestimmt, welche Aminosäureverbindungen zu einem bestimmten Zeitpunkt für die Arbeit am wichtigsten sind.
Was ist das Problem mit AlphaFold?
AlphaFold-Vorhersagen hängen von Informationen über abverwandte Proteinsequenzen, sodass AI einige Einschränkungen aufweist. Der Algorithmus kann beispielsweise nicht vorhersagen, wie sich Mutationen auf die Form eines Proteins auswirken, insbesondere solche, die Krankheiten verursachen.
Es kann auch nicht erkennen, wie sich Proteine verändernForm aufgrund anderer interagierender Proteine oder Moleküle, wie z. B. Arzneimittel. Aber das Modell kann die Zuverlässigkeit seiner eigenen Vorhersage für jede Aminosäureeinheit des Proteins bewerten. Bis August 2022 berichtet DeepMind, dass mehr als 400.000 Menschen die AlphaFold EMBL-EBI-Datenbanken genutzt haben.
Wie werden solche Algorithmen normalen Menschen helfen?
Forscher von Pharma- und Biotech-Unternehmen sind vom Potenzial von AlphaFold begeistert und sagen, dass der Algorithmus bei der Entdeckung neuer Medikamente hilft.
Karen Akinsanya, EntwicklungsleiterinEntwicklung von Therapeutika bei Schrödinger, stellt fest, dass sie und ihre Kollegen mit AlphaFold mit Ergebnissen gearbeitet haben, die als erfolgreich bezeichnet werden können. Sie waren in der Lage, Verbindungen zu entwickeln, die möglicherweise zu Arzneimitteln werden könnten.
Weiter lesen:
MIT entwickelt eine stationäre Wärmekraftmaschine, die Turbinen übertrifft
Nach zehnjähriger Arbeit stellten Wissenschaftler das Standardmodell der Physik in Frage
Sehen Sie, wie der Sonnenaufgang auf dem Mars aussieht