Ne tik žmonės gali numatyti genetinę ligą ir sukurti naują vaistą, bet ir
Kaip biologai tiria žmogaus baltymus?
Daugiau nei 10 metų molekulinis biologas Martinas Beckaskartu su kolegomis bandė sukurti detalų branduolinių porų kompleksų modelį. Beckas tai vadina didžiausia molekuline mašina žmogaus ląstelėse. Branduolinių porų kompleksas kontroliuoja molekulių srautą, kuris patenka į ląstelės branduolį ir iš jo į vietą, kur yra genomas. Visose ląstelėse egzistuoja šimtai tokių kompleksų. Kiekvienas iš jų susideda iš daugiau nei 1000 baltymų.
Šie tūkstančiai gabalėlių sudaro daugiau nei 30 baltymų.statybiniai blokai, kurie persipina įvairiais būdais: todėl dirbti su jais dar sunkiau. 2016 m. Becko vadovaujama komanda iš Maxo Plancko biofizikos instituto (MPIB) pranešė, kad jie sukūrė modelį, apibūdinantį apie 30% branduolinių porų komplekso ir beveik pusę statybinių blokų, kitaip tariant, Nup baltymus.
Kaip algoritmai mokosi žmogaus baltymų?
2021 m. liepos mėn. DeepMind, dalis„Alphabet“, pagrindinė „Google“ įmonė, pristatė dirbtinį intelektą, vadinamą AlphaFold. Ši programinė įranga galėtų numatyti trijų matmenų baltymų formą pagal jų genetinę seką. Skaičiavimai buvo atlikti labai tiksliai. Tai rimtai pakeitė biologų uždavinius ir interesus.
Naudodami AlphaFold, mokslininkai sugebėjo numatytikokia yra žmogaus Nup baltymo forma. Ir vėliau jie paskelbė modelį, kuris apibūdina 60% branduolinių porų komplekso. Tai padėjo suprasti, kaip kompleksas stabilizuoja poras ir kontroliuoja molekulių srautą.
AlphaFold manija: kodėl AI, skirta tirti baltymų struktūrą, tapo tokia populiari?
Biologų teigimu, visa mokslo bendruomenėapėmė AlphaFold-mania. AI buvo naudojamas didžiuliam kiekiui tyrimų. Kai kuriais atvejais algoritmas padėjo sutaupyti laiko arba suteikė naujų duomenų. Tačiau dirbtinis intelektas taip pat turi apribojimų: kai kurie mokslininkai mano, kad jo prognozės yra pernelyg nepatikimos jų darbui. Nepaisant to, visi pripažįsta, kad algoritmas geriau nei bet kas kitas susidoroja su duomenų apdorojimu.
Net patys algoritmų kūrėjai ne visadaturi laiko išsiaiškinti, kokiose kitose srityse jis gali būti naudojamas: todėl jie dažnai tiesiog stebi, kaip tyrėjų komandos, naudodamos AlphaFold, atranda naujus atradimus: nuo vaistų atradimo ir baltymų kūrimo iki sudėtingos gyvybės atsiradimo.
2021 m. liepos viduryje viešaipasirodė atvirojo kodo AI kodas, taip pat kita informacija, kuri padės mokslininkams pradėti vykdyti tokius tyrimus kaip savo darbo dalį. Po savaitės DeepMind paskelbė, kad naudojo AlphaFold, kad nuspėtų beveik visų žmogaus gaminamų baltymų struktūrą. Iš viso komanda ištyrė 365 000 biologinių struktūrų. Šiandien ši duomenų bazė išsiplėtė iki beveik milijono struktūrų.
2022 m. „DeepMind“ planuoja išleistiiš viso daugiau nei 100 milijonų prognozių apie biologinę organizmų sandarą. Tai yra beveik pusė visų žinomų baltymų, šis skaičius taip pat yra šimtus kartų didesnis nei baltymų, kuriuos būtų galima nustatyti eksperimentiniu būdu.
Šis įrankis jau padėjo mokslininkams rasti naujųpotencialūs baltymų partneriai. Mokslininkai naudojo AlphaFold, kad nuspėtų 65 000 žmogaus baltymų porų struktūras. Kita grupė naudojo AlphaFold ir RoseTTAFold, kad modeliuotų sąveiką tarp beveik visų mielių koduojamų baltymų porų. Dėl to jie rado daugiau nei 100 anksčiau nežinomų branduolinių porų kompleksų.
Kaip veikia Alpha Fold?
AlphaFold naudoja giluminius neuroninius tinklusMokymasis: tai skaičiavimo struktūra, kuri veikia kaip žmogaus smegenys ir atpažįsta duomenų šablonus. Algoritmas buvo apmokytas naudojant šimtus tūkstančių baltymų struktūrų, kurios buvo nustatytos eksperimentiškai. Jei AI aptinka naują seką, ji pirmiausia ieško panašių atvejų duomenų bazėse.
„AlphaFold“ cikliškai peržiūri užuominas ir bandoimituoti 3D aminorūgščių vaizdą. Ekspertai mano, kad ši programinė įranga sėkmingai pritaikė naujas mašininio mokymosi idėjas. Visų pirma, jie atkreipia dėmesį į unikalų mechanizmą, vadinamą „dėmesiu“ - jis nustato, kurie aminorūgščių junginiai yra svarbiausi darbui tam tikru momentu.
Kokia AlphaFold problema?
AlphaFold prognozės priklauso nuo informacijos apiesusijusių baltymų sekas, todėl AI turi tam tikrų apribojimų. Pavyzdžiui, algoritmas negali numatyti mutacijų poveikio baltymo formai, ypač tų, kurios sukelia ligas.
Jis taip pat negali nustatyti, kaip keičiasi baltymaiforma dėl kitų sąveikaujančių baltymų ar molekulių, pvz., vaistų. Tačiau modelis gali įvertinti kiekvieno baltymo aminorūgšties vieneto prognozės patikimumą. 2022 m. rugpjūčio mėn. „DeepMind“ pranešė, kad AlphaFold EMBL-EBI duomenų bazėmis naudojosi daugiau nei 400 000 žmonių.
Kaip tokie algoritmai padės paprastiems žmonėms?
Farmacijos ir biotechnologijų įmonių tyrėjai džiaugiasi AlphaFold potencialu ir teigia, kad algoritmas padeda atrasti naujus vaistus.
Karen Akinsanya, plėtros vadovėkuriant terapiją Schrödinger, pažymi, kad ji ir jos kolegos dirbo su AlphaFold, o rezultatai gali būti vadinami sėkmingais. Jie sugebėjo sukurti junginius, kurie potencialiai galėtų tapti vaistais.
Skaityti daugiau:
MIT sukuria stacionarų šilumos variklį, kuris pranoksta turbinas
Po dešimties metų darbo mokslininkai suabejojo standartiniu fizikos modeliu
Pažiūrėkite, kaip saulėtekis atrodo Marse