Non solo gli esseri umani possono prevedere una malattia genetica e creare una nuova medicina, ma anche
In che modo i biologi studiano le proteine umane?
Per più di 10 anni il biologo molecolare Martin Beckinsieme ai colleghi ha cercato di creare un modello dettagliato dei complessi dei pori nucleari. Beck la chiama la più grande macchina molecolare nelle cellule umane. Il complesso dei pori nucleari controlla il flusso di molecole che entrano ed escono dal nucleo cellulare fino a dove risiede il genoma. Centinaia di tali complessi esistono in tutte le cellule. Ognuno di essi è costituito da più di 1.000 proteine.
Queste migliaia di pezzi formano oltre 30 proteine.elementi costitutivi che si intrecciano in modi diversi: lavorare con essi è quindi ancora più difficile. Nel 2016, un team guidato da Beck presso il Max Planck Institute for Biophysics (MPIB) ha riferito di aver creato un modello che descrive circa il 30% del complesso dei pori nucleari e quasi la metà degli elementi costitutivi, in altre parole, le proteine Nup.
In che modo gli algoritmi imparano le proteine umane?
Nel luglio 2021, DeepMind, parte diAlphabet, la società madre di Google, ha introdotto un'intelligenza artificiale chiamata AlphaFold. Questo software potrebbe prevedere la forma tridimensionale delle proteine dalla loro sequenza genetica. I calcoli sono stati eseguiti con elevata precisione. Ciò ha seriamente cambiato i compiti e gli interessi dei biologi.
Utilizzando AlphaFold, gli scienziati sono stati in grado di prevederequal è la forma della proteina Nup umana. E in seguito hanno pubblicato un modello che descrive il 60% del complesso dei pori nucleari. Ciò ha aiutato a capire come il complesso stabilizza i pori e controlla il flusso delle molecole.
AlphaFold mania: perché l'IA per lo studio della struttura delle proteine è diventata così popolare?
Secondo i biologi, l'intera comunità scientificaafferrò AlphaFold-mania. L'IA è stata utilizzata per un'enorme quantità di ricerca. In alcuni casi, l'algoritmo ha consentito di risparmiare tempo o fornito nuovi dati. Ma l'IA ha anche dei limiti: alcuni scienziati trovano le sue previsioni troppo inaffidabili per il loro lavoro. Tuttavia, tutti ammettono che l'algoritmo gestisce l'elaborazione dei dati meglio di chiunque altro.
Anche gli stessi sviluppatori di algoritmi non sempre lo fannohanno tempo per capire in quali altre aree può essere utilizzato: quindi spesso si limitano a guardare mentre team di ricercatori fanno nuove scoperte utilizzando AlphaFold: dalla scoperta di farmaci e dallo sviluppo di proteine all'origine della vita complessa.
A metà luglio 2021 di pubblico dominioè apparso un codice AI open source, oltre ad altre informazioni che aiuteranno gli scienziati a iniziare a condurre tali ricerche come parte del loro lavoro. Una settimana dopo, DeepMind ha annunciato di aver utilizzato AlphaFold per prevedere la struttura di quasi tutte le proteine prodotte dagli esseri umani. In totale, il team ha studiato 365.000 strutture biologiche. Oggi, questo database si è esteso a quasi un milione di strutture.
Nel 2022, DeepMind prevede di rilasciarein totale più di 100 milioni di previsioni sulla struttura biologica degli organismi. Questa è quasi la metà di tutte le proteine conosciute - anche questo numero è centinaia di volte superiore a quello delle proteine che potrebbero essere determinate sperimentalmente.
Lo strumento ha già aiutato i ricercatori a trovarne di nuovipotenziali partner proteici. Gli scienziati hanno utilizzato AlphaFold per prevedere le strutture di 65.000 coppie di proteine umane. E un altro gruppo ha utilizzato AlphaFold e RoseTTAFold per modellare le interazioni tra quasi ogni coppia di proteine codificate dal lievito. Di conseguenza, hanno trovato più di 100 complessi di pori nucleari precedentemente sconosciuti.
Come funziona Alpha Fold?
AlphaFold utilizza reti neurali profondeApprendimento: si tratta di una struttura informatica che funziona come il cervello umano e riconosce modelli nei dati. L'algoritmo è stato addestrato utilizzando centinaia di migliaia di strutture proteiche determinate sperimentalmente. Se l’IA incontra una nuova sequenza, cerca prima nei database casi simili.
AlphaFold scorre i suggerimenti, provandosimulare un'immagine 3D di aminoacidi. Gli esperti ritengono che questo software abbia applicato con successo nuove idee per l’apprendimento automatico. In particolare, notano un meccanismo unico chiamato "attenzione": determina quali composti di aminoacidi sono più importanti per il lavoro in un dato momento.
Qual è il problema con AlphaFold?
Le previsioni AlphaFold dipendono dalle informazioni susequenze proteiche correlate, quindi l'IA ha alcune limitazioni. Ad esempio, l'algoritmo non può prevedere l'effetto delle mutazioni sulla forma di una proteina, in particolare quelle che causano malattie.
Inoltre, non è in grado di rilevare come cambiano le proteineforma dovuta ad altre proteine o molecole interagenti, come i farmaci. Ma il modello può valutare la confidenza della propria previsione per ciascuna unità di aminoacidi della proteina. Ad agosto 2022, DeepMind ha riferito che più di 400.000 persone utilizzavano i database AlphaFold EMBL-EBI.
In che modo tali algoritmi aiuteranno la gente comune?
I ricercatori di aziende farmaceutiche e biotecnologiche sono entusiasti del potenziale di AlphaFold e affermano che l'algoritmo sta aiutando a scoprire nuovi farmaci.
Karen Akinsanya, responsabile dello svilupposviluppando terapie presso Schrödinger, osserva che lei e i suoi colleghi hanno lavorato con AlphaFold con risultati che possono essere definiti di successo. Sono stati in grado di sviluppare composti che potrebbero potenzialmente diventare farmaci.
Leggi di più:
Il MIT crea un motore termico stazionario che supera le turbine
Dopo dieci anni di lavoro, gli scienziati hanno messo in dubbio il modello standard della fisica
Guarda come appare l'alba su Marte