Nemcsak az ember képes előre jelezni egy genetikai betegséget és új gyógyszert alkotni, hanem az is
Hogyan tanulmányozzák a biológusok az emberi fehérjéket?
Több mint 10 éve Martin Beck molekuláris biológuskollégáival együtt megpróbálták létrehozni a magpórusos komplexek részletes modelljét. Beck az emberi sejtek legnagyobb molekuláris gépének nevezi. A nukleáris póruskomplex szabályozza a molekulák áramlását, amelyek a sejtmagba és onnan kiáramlanak oda, ahol a genom található. Több száz ilyen komplex létezik minden sejtben. Mindegyikük több mint 1000 fehérjéből áll.
Ez a több ezer darab több mint 30 fehérjét képez.építőkockák, amelyek különböző módon fonódnak össze: így még nehezebb velük dolgozni. 2016-ban a Max Planck Biofizikai Intézetben (MPIB) dolgozó Beck által vezetett csapat arról számolt be, hogy olyan modellt készítettek, amely leírja a nukleáris póruskomplexum körülbelül 30%-át és az építőelemek majdnem felét, más szóval a Nup fehérjéket.
Hogyan tanulják meg az algoritmusok az emberi fehérjéket?
2021 júliusában a DeepMind részeAz Alphabet, a Google anyavállalata bevezette az AlphaFold nevű mesterséges intelligenciát. Ez a szoftver meg tudja jósolni a fehérjék háromdimenziós alakját genetikai szekvenciájuk alapján. A számításokat nagy pontossággal végeztük. Ez komolyan megváltoztatta a biológusok feladatait és érdeklődését.
Az AlphaFold segítségével a tudósok meg tudták jósolnimilyen alakú az emberi Nup fehérje. Később pedig közzétettek egy modellt, amely a nukleáris póruskomplexum 60%-át írja le. Ez segített megérteni, hogy a komplex hogyan stabilizálja a pórusokat és szabályozza a molekulák áramlását.
AlphaFold mánia: miért vált olyan népszerűvé a fehérjék szerkezetének tanulmányozására szolgáló AI?
A biológusok szerint az egész tudományos közösségmegmarkolta AlphaFold-mánia. Az AI-t hatalmas mennyiségű kutatáshoz használták. Egyes esetekben az algoritmus segített időt takarítani, vagy új adatokat szolgáltatott. De a mesterséges intelligencia korlátai is vannak: egyes tudósok úgy találják, hogy az előrejelzései túlságosan megbízhatatlanok munkájukhoz. Ennek ellenére mindenki elismeri, hogy az algoritmus jobban megbirkózik az adatfeldolgozással, mint bárki más.
Még maguk az algoritmusfejlesztők sem mindigvan idejük kitalálni, milyen egyéb területeken használható: így gyakran csak nézik, ahogy kutatócsoportok új felfedezéseket tesznek az AlphaFold segítségével: a gyógyszerkutatástól és fehérjefejlesztéstől a komplex élet keletkezéséig.
2021. július közepén közkincsmegjelent egy nyílt forráskódú mesterséges intelligencia kód, valamint egyéb információk, amelyek segítenek a tudósoknak, hogy munkájuk részeként ilyen jellegű kutatásokat végezzenek. Egy héttel később a DeepMind bejelentette, hogy az AlphaFold segítségével megjósolta szinte az összes ember által előállított fehérje szerkezetét. A csapat összesen 365 000 biológiai struktúrát tanulmányozott. Mára ez az adatbázis majdnem egymillió struktúrára bővült.
2022-ben a DeepMind megjelenését terveziösszesen több mint 100 millió jóslat az élőlények biológiai szerkezetéről. Ez az összes ismert fehérje majdnem fele, ez a szám is több százszorosa a kísérletileg meghatározható fehérjéknek.
Az eszköz már segített a kutatóknak újat találnipotenciális fehérjepartnerek. A tudósok az AlphaFold segítségével 65 000 emberi fehérjepár szerkezetét jósolták meg. Egy másik csoport pedig az AlphaFoldot és a RoseTTAFoldot használta az élesztő által kódolt szinte minden fehérjepár közötti kölcsönhatások modellezésére. Ennek eredményeként több mint 100 korábban ismeretlen nukleáris póruskomplexet találtak.
Hogyan működik az Alpha Fold?
Az AlphaFold mély neurális hálózatokat használTanulás: Ez egy számítástechnikai struktúra, amely úgy működik, mint az emberi agy, és felismeri az adatok mintáit. Az algoritmust több százezer fehérjeszerkezet felhasználásával képezték ki, amelyeket kísérletileg határoztak meg. Ha az AI új sorozattal találkozik, először adatbázisokban keres hasonló eseteket.
Az AlphaFold végigpörgeti a tippeket, és próbálkozikaminosavak 3D-s képének szimulálása. A szakértők úgy vélik, hogy ez a szoftver sikeresen alkalmazta az új ötleteket a gépi tanuláshoz. Különösen megjegyzik a „figyelem” nevű egyedi mechanizmust - ez határozza meg, hogy egy adott pillanatban mely aminosavvegyületek a legfontosabbak a munkához.
Mi a probléma az AlphaFolddal?
Az AlphaFold előrejelzései a következőkkel kapcsolatos információktól függenek:kapcsolódó fehérjeszekvenciák, így az AI-nak vannak bizonyos korlátai. Például az algoritmus nem tudja megjósolni a mutációk hatását egy fehérje alakjára, különösen azokra, amelyek betegségeket okoznak.
Azt sem tudja kimutatni, hogy a fehérjék hogyan változnakalakja más kölcsönhatásban lévő fehérjék vagy molekulák, például gyógyszerek miatt. De a modell képes értékelni saját előrejelzésének megbízhatóságát a fehérje minden egyes aminosavegységére vonatkozóan. 2022 augusztusában a DeepMind arról számolt be, hogy több mint 400 000 ember használta az AlphaFold EMBL-EBI adatbázisait.
Hogyan segítenek az ilyen algoritmusok a hétköznapi embereknek?
A gyógyszeripari és biotechnológiai cégek kutatói izgatottak az AlphaFoldban rejlő lehetőségek miatt, és azt mondják, hogy az algoritmus segít új gyógyszerek felfedezésében.
Karen Akinsanya, fejlesztési vezetőA Schrödingernél a terápiák fejlesztése, megjegyzi, hogy ő és kollégái sikeresnek mondható eredményekkel dolgoztak az AlphaFolddal. Olyan vegyületeket tudtak kifejleszteni, amelyek potenciálisan drogokká válhatnak.
Olvass tovább:
Az MIT olyan álló hőmotort hoz létre, amely felülmúlja a turbinákat
Tíz év munka után a tudósok megkérdőjelezték a fizika standard modelljét
Nézze meg, hogyan néz ki a napfelkelte a Marson