Όχι μόνο οι άνθρωποι μπορούν να προβλέψουν μια γενετική ασθένεια και να δημιουργήσουν ένα νέο φάρμακο, αλλά και
Πώς μελετούν οι βιολόγοι τις ανθρώπινες πρωτεΐνες;
Για περισσότερα από 10 χρόνια ο μοριακός βιολόγος Martin Beckμαζί με συναδέλφους προσπάθησαν να δημιουργήσουν ένα λεπτομερές μοντέλο συμπλεγμάτων πυρηνικών πόρων. Ο Beck το αποκαλεί τη μεγαλύτερη μοριακή μηχανή σε ανθρώπινα κύτταρα. Το σύμπλεγμα πυρηνικών πόρων ελέγχει τη ροή των μορίων που ρέουν μέσα και έξω από τον πυρήνα του κυττάρου προς το σημείο όπου βρίσκεται το γονιδίωμα. Εκατοντάδες τέτοια σύμπλοκα υπάρχουν σε όλα τα κύτταρα. Κάθε ένα από αυτά αποτελείται από περισσότερες από 1.000 πρωτεΐνες.
Αυτά τα χιλιάδες κομμάτια σχηματίζουν πάνω από 30 πρωτεΐνες.δομικά στοιχεία που συμπλέκονται με διαφορετικούς τρόπους: επομένως η εργασία μαζί τους είναι ακόμη πιο δύσκολη. Το 2016, μια ομάδα με επικεφαλής τον Beck στο Ινστιτούτο Βιοφυσικής Max Planck (MPIB) ανέφερε ότι είχαν δημιουργήσει ένα μοντέλο που περιγράφει περίπου το 30% του συμπλέγματος πυρηνικών πόρων και σχεδόν τα μισά δομικά στοιχεία, με άλλα λόγια, τις πρωτεΐνες Nup.
Πώς μαθαίνουν οι αλγόριθμοι τις ανθρώπινες πρωτεΐνες;
Τον Ιούλιο του 2021, το DeepMind, μέρος τουΗ Alphabet, η μητρική εταιρεία της Google, παρουσίασε ένα AI που ονομάζεται AlphaFold. Αυτό το λογισμικό θα μπορούσε να προβλέψει το τρισδιάστατο σχήμα των πρωτεϊνών από τη γενετική τους αλληλουχία. Οι υπολογισμοί έγιναν με μεγάλη ακρίβεια. Αυτό έχει αλλάξει σοβαρά τα καθήκοντα και τα ενδιαφέροντα των βιολόγων.
Χρησιμοποιώντας το AlphaFold, οι επιστήμονες μπόρεσαν να προβλέψουνποιο είναι το σχήμα της ανθρώπινης πρωτεΐνης Nup. Και αργότερα δημοσίευσαν ένα μοντέλο που περιγράφει το 60% του συμπλέγματος πυρηνικών πόρων. Αυτό βοήθησε να κατανοήσουμε πώς το σύμπλεγμα σταθεροποιεί τους πόρους και ελέγχει τη ροή των μορίων.
Μανία AlphaFold: γιατί η τεχνητή νοημοσύνη για τη μελέτη της δομής των πρωτεϊνών έχει γίνει τόσο δημοφιλής;
Σύμφωνα με τους βιολόγους, ολόκληρη η επιστημονική κοινότηταέπιασε την AlphaFold-mania. Το AI έχει χρησιμοποιηθεί για τεράστιο όγκο έρευνας. Σε ορισμένες περιπτώσεις, ο αλγόριθμος βοήθησε στην εξοικονόμηση χρόνου ή παρείχε νέα δεδομένα. Αλλά η τεχνητή νοημοσύνη έχει επίσης περιορισμούς: ορισμένοι επιστήμονες βρίσκουν τις προβλέψεις της πολύ αναξιόπιστες για τη δουλειά τους. Ωστόσο, όλοι παραδέχονται ότι ο αλγόριθμος αντιμετωπίζει την επεξεργασία δεδομένων καλύτερα από οποιονδήποτε άλλον.
Ακόμη και οι ίδιοι οι προγραμματιστές αλγορίθμων δεν το κάνουν πάνταέχουν χρόνο να καταλάβουν σε ποιους άλλους τομείς μπορεί να χρησιμοποιηθεί: έτσι συχνά παρακολουθούν τις ομάδες ερευνητών να κάνουν νέες ανακαλύψεις χρησιμοποιώντας το AlphaFold: από την ανακάλυψη φαρμάκων και την ανάπτυξη πρωτεϊνών μέχρι την προέλευση της πολύπλοκης ζωής.
Στα μέσα Ιουλίου 2021 σε δημόσιο τομέαεμφανίστηκε ένας ανοιχτός κώδικας τεχνητής νοημοσύνης, καθώς και άλλες πληροφορίες που θα βοηθήσουν τους επιστήμονες να αρχίσουν να διεξάγουν τέτοιες έρευνες στο πλαίσιο της εργασίας τους. Μια εβδομάδα αργότερα, η DeepMind ανακοίνωσε ότι είχε χρησιμοποιήσει το AlphaFold για να προβλέψει τη δομή σχεδόν όλων των πρωτεϊνών που παράγουν οι άνθρωποι. Συνολικά, η ομάδα μελέτησε 365.000 βιολογικές δομές. Σήμερα, αυτή η βάση δεδομένων έχει επεκταθεί σε σχεδόν ένα εκατομμύριο δομές.
Το 2022, το DeepMind σχεδιάζει να κυκλοφορήσεισυνολικά περισσότερες από 100 εκατομμύρια προβλέψεις για τη βιολογική δομή των οργανισμών. Αυτό είναι σχεδόν το ήμισυ όλων των γνωστών πρωτεϊνών - επίσης αυτός ο αριθμός είναι εκατοντάδες φορές υψηλότερος από τις πρωτεΐνες που θα μπορούσαν να προσδιοριστούν πειραματικά.
Το εργαλείο έχει ήδη βοηθήσει τους ερευνητές να βρουν νέαπιθανούς πρωτεϊνικούς συνεργάτες. Οι επιστήμονες χρησιμοποίησαν το AlphaFold για να προβλέψουν τις δομές 65.000 ζευγών ανθρώπινων πρωτεϊνών. Και μια άλλη ομάδα χρησιμοποίησε το AlphaFold και το RoseTTAFold για να μοντελοποιήσει τις αλληλεπιδράσεις μεταξύ σχεδόν κάθε ζεύγους πρωτεϊνών που κωδικοποιούνται από ζυμομύκητες. Ως αποτέλεσμα, βρήκαν περισσότερα από 100 σύμπλοκα πυρηνικών πόρων άγνωστα στο παρελθόν.
Πώς λειτουργεί το Alpha Fold;
Το AlphaFold χρησιμοποιεί βαθιά νευρωνικά δίκτυαΜάθηση: Πρόκειται για μια υπολογιστική δομή που λειτουργεί όπως ο ανθρώπινος εγκέφαλος και αναγνωρίζει μοτίβα στα δεδομένα. Ο αλγόριθμος εκπαιδεύτηκε χρησιμοποιώντας εκατοντάδες χιλιάδες πρωτεϊνικές δομές που προσδιορίστηκαν πειραματικά. Εάν το AI συναντήσει μια νέα ακολουθία, αναζητά πρώτα βάσεις δεδομένων για παρόμοιες περιπτώσεις.
Το AlphaFold περνάει μέσα από τις συμβουλές, προσπαθώνταςπροσομοίωση τρισδιάστατης εικόνας αμινοξέων. Οι ειδικοί πιστεύουν ότι αυτό το λογισμικό εφάρμοσε με επιτυχία νέες ιδέες για τη μηχανική μάθηση. Συγκεκριμένα, σημειώνουν έναν μοναδικό μηχανισμό που ονομάζεται «προσοχή» - καθορίζει ποιες ενώσεις αμινοξέων είναι πιο σημαντικές για εργασία σε μια δεδομένη στιγμή.
Ποιο είναι το πρόβλημα με το AlphaFold;
Οι προβλέψεις AlphaFold εξαρτώνται από πληροφορίες σχετικά μεσχετικές πρωτεϊνικές αλληλουχίες, επομένως η ΑΙ έχει ορισμένους περιορισμούς. Για παράδειγμα, ο αλγόριθμος δεν μπορεί να προβλέψει την επίδραση των μεταλλάξεων στο σχήμα μιας πρωτεΐνης, ιδιαίτερα εκείνων που προκαλούν ασθένειες.
Δεν μπορεί επίσης να ανιχνεύσει πώς αλλάζουν οι πρωτεΐνεςσχήμα που οφείλεται σε άλλες πρωτεΐνες ή μόρια που αλληλεπιδρούν, όπως φάρμακα. Αλλά το μοντέλο μπορεί να αξιολογήσει την εμπιστοσύνη της δικής του πρόβλεψης για κάθε μονάδα αμινοξέος της πρωτεΐνης. Από τον Αύγουστο του 2022, η DeepMind ανέφερε ότι περισσότερα από 400.000 άτομα χρησιμοποιούσαν βάσεις δεδομένων AlphaFold EMBL-EBI.
Πώς θα βοηθήσουν τέτοιοι αλγόριθμοι τους απλούς ανθρώπους;
Ερευνητές από φαρμακευτικές και βιοτεχνολογικές εταιρείες είναι ενθουσιασμένοι με τις δυνατότητες του AlphaFold και λένε ότι ο αλγόριθμος βοηθά στην ανακάλυψη νέων φαρμάκων.
Karen Akinsanya, Υπεύθυνη Ανάπτυξηςαναπτύσσοντας θεραπευτικές μεθόδους στο Schrödinger, σημειώνει ότι αυτή και οι συνάδελφοί της έχουν συνεργαστεί με το AlphaFold με αποτελέσματα που μπορούν να χαρακτηριστούν επιτυχημένα. Κατάφεραν να αναπτύξουν ενώσεις που θα μπορούσαν ενδεχομένως να γίνουν φάρμακα.
Διαβάστε περισσότερα:
Το MIT δημιουργεί μια σταθερή θερμική μηχανή που ξεπερνά τις επιδόσεις των στροβίλων
Μετά από δέκα χρόνια εργασίας, οι επιστήμονες αμφισβήτησαν το τυπικό μοντέλο της φυσικής
Δείτε πώς είναι η ανατολή του ηλίου στον Άρη