人間は遺伝病を予測し、新しい薬を開発できるだけでなく、
生物学者はどのように人間のタンパク質を研究しますか？
10年以上の間、分子生物学者のマーティン・ベック同僚と一緒に、核膜孔複合体の詳細なモデルを作成しようとしました。ベックはそれを人間の細胞で最大の分子機械と呼んでいます。核膜孔複合体は、細胞核に出入りしてゲノムが存在する場所に流れる分子の流れを制御します。何百ものそのような複合体がすべての細胞に存在します。それぞれが1,000以上のタンパク質で構成されています。
これらの何千もの断片は30以上のタンパク質を形成します。さまざまな方法で絡み合うビルディングブロック：したがって、それらを操作することはさらに困難です。 2016年、Max Planck Institute for Biophysics（MPIB）のBeckが率いるチームは、核膜孔複合体の約30％とビルディングブロックのほぼ半分、つまりNupタンパク質を記述するモデルを作成したと報告しました。
アルゴリズムはどのようにしてヒトタンパク質を学習しますか？
2021 年 7 月に、DeepMind の一部がGoogleの親会社であるAlphabetはAlphaFoldというAIを導入しました。このソフトウェアは、遺伝子配列からタンパク質の三次元形状を予測することができます。計算は高い精度で実行されました。これにより、生物学者の任務と関心は大きく変わりました。
AlphaFoldを使用して、科学者は予測することができました人間のNupタンパク質の形は何ですか。そして後に彼らは核膜孔複合体の60％を説明するモデルを発表しました。これは、複合体がどのように細孔を安定させ、分子の流れを制御するかを理解するのに役立ちました。
AlphaFoldマニア：タンパク質の構造を研究するためのAIがなぜそれほど人気になったのですか？
生物学者によると、科学界全体AlphaFoldマニアをつかんだ。 AIは膨大な量の研究に使用されてきました。場合によっては、アルゴリズムが時間を節約したり、新しいデータを提供したりするのに役立ちました。しかし、AIにも限界があります。一部の科学者は、AIの予測が自分たちの仕事にとって信頼性が低すぎると感じています。それにもかかわらず、誰もがアルゴリズムが他の誰よりもデータ処理にうまく対処することを認めています。
アルゴリズム開発者自身でさえ、常にそうであるとは限りません。他にどのような分野で使用できるかを理解する時間があるため、研究者チームが AlphaFold を使用して、創薬やタンパク質の開発から複雑な生命の起源に至るまで、新たな発見をするのをただ見ているだけであることがよくあります。
パブリックドメインで2021年7月中旬にオープンソースのAIコードや、科学者が研究の一環としてそのような研究を開始するのに役立つその他の情報が登場しました。 1週間後、DeepMindは、AlphaFoldを使用して、人間が作るほぼすべてのタンパク質の構造を予測したと発表しました。合計で、チームは365,000の生物学的構造を研究しました。今日、このデータベースはほぼ100万の構造に拡張されています。
2022 年に、DeepMind は生物の生物学的構造に関する予測は合計で 1 億件以上あります。これは既知のすべてのタンパク質のほぼ半分であり、またこの数は実験的に決定できるタンパク質の数百倍です。
このツールは、研究者が新しいものを見つけるのにすでに役立っています潜在的なタンパク質パートナー。科学者たちはAlphaFoldを使用して、65,000のヒトタンパク質ペアの構造を予測しました。また、別のグループは、AlphaFoldとRoseTTAFoldを使用して、酵母によってコードされるタンパク質のほぼすべてのペア間の相互作用をモデル化しました。その結果、彼らは100以上のこれまで知られていなかった核膜孔複合体を発見しました。
Alpha Foldはどのように機能しますか？
AlphaFold はディープ ニューラル ネットワークを使用します学習: これは人間の脳のように機能し、データ内のパターンを認識するコンピューティング構造です。このアルゴリズムは、実験的に決定された何十万ものタンパク質構造を使用してトレーニングされました。 AI は新しいシーケンスに遭遇すると、まずデータベースで類似のケースを検索します。
AlphaFold はヒントを循環して、試してみます。アミノ酸の 3D 画像をシミュレートします。専門家は、このソフトウェアが機械学習の新しいアイデアをうまく適用したと考えています。特に、彼らは「注意」と呼ばれる独特のメカニズムに注目しています。これは、特定の瞬間にどのアミノ酸化合物が仕事にとって最も重要であるかを決定します。
AlphaFoldの問題は何ですか？
AlphaFoldの予測は、関連するタンパク質配列であるため、AIにはいくつかの制限があります。たとえば、アルゴリズムでは、タンパク質の形状、特に病気を引き起こす突然変異の影響を予測することはできません。
また、タンパク質がどのように変化するかを検出することもできません薬物などの他の相互作用するタンパク質または分子による形状。ただし、このモデルは、タンパク質の各アミノ酸単位に対する独自の予測の信頼性を評価できます。 2022 年 8 月の時点で、DeepMind は 400,000 人以上が AlphaFold EMBL-EBI データベースを使用していると報告しました。
そのようなアルゴリズムは一般の人々にどのように役立ちますか？
製薬会社やバイオテクノロジー企業の研究者らはAlphaFoldの可能性に興奮しており、このアルゴリズムが新薬の発見に役立っていると述べている。
Karen Akinsanya、開発リーダーSchrödingerで治療法を開発していると、彼女と彼女の同僚はAlphaFoldと協力して、成功したと言える結果が得られたと述べています。彼らは潜在的に薬になる可能性のある化合物を開発することができました。
続きを読む：
MITは、タービンよりも優れた定置型熱機関を開発しています
10年間の研究の後、科学者たちは物理学の標準モデルに疑問を投げかけました
火星の日の出がどのように見えるかを見る