Nie tylko ludzie potrafią przewidzieć chorobę genetyczną i stworzyć nowy lek, ale także
Jak biolodzy badają ludzkie białka?
Od ponad 10 lat biolog molekularny Martin Beckwraz z kolegami próbował stworzyć szczegółowy model kompleksów porów jądrowych. Beck nazywa to największą maszyną molekularną w ludzkich komórkach. Kompleks porów jądrowych kontroluje przepływ cząsteczek, które wpływają do jądra komórkowego i z niego wypływają do miejsca, w którym znajduje się genom. We wszystkich komórkach istnieją setki takich kompleksów. Każdy z nich składa się z ponad 1000 białek.
Te tysiące kawałków tworzą ponad 30 białek.klocki, które przeplatają się na różne sposoby: więc praca z nimi jest jeszcze trudniejsza. W 2016 roku zespół kierowany przez Becka z Instytutu Biofizyki im. Maxa Plancka (MPIB) poinformował, że stworzył model opisujący około 30% kompleksu porów jądrowych i prawie połowę bloków budulcowych, innymi słowy białka Nup.
Jak algorytmy uczą się ludzkich białek?
W lipcu 2021 r. DeepMind, częśćAlphabet, spółka matka Google, wprowadziła sztuczną inteligencję o nazwie AlphaFold. Oprogramowanie to mogłoby przewidzieć trójwymiarowy kształt białek na podstawie ich sekwencji genetycznej. Obliczenia wykonano z dużą dokładnością. To poważnie zmieniło zadania i zainteresowania biologów.
Korzystając z AlphaFold, naukowcy byli w stanie przewidziećjaki jest kształt ludzkiego białka Nup. A później opublikowali model, który opisuje 60% kompleksu porów jądrowych. Pomogło to zrozumieć, w jaki sposób kompleks stabilizuje pory i kontroluje przepływ molekuł.
Mania AlphaFold: dlaczego sztuczna inteligencja do badania struktury białek stała się tak popularna?
Według biologów całe środowisko naukowezłapany AlphaFold-mania. Sztuczna inteligencja została wykorzystana do ogromnej ilości badań. W niektórych przypadkach algorytm pomógł zaoszczędzić czas lub dostarczył nowych danych. Ale sztuczna inteligencja ma również ograniczenia: niektórzy naukowcy uważają, że jej przewidywania są zbyt niewiarygodne dla ich pracy. Niemniej jednak wszyscy przyznają, że algorytm radzi sobie z przetwarzaniem danych lepiej niż ktokolwiek inny.
Nawet sami twórcy algorytmów nie zawsze to robiąmają czas, aby dowiedzieć się, w jakich innych obszarach można go zastosować: dlatego często po prostu obserwują, jak zespoły badaczy dokonują nowych odkryć za pomocą AlphaFold: od odkrycia leków i opracowania białek po pochodzenie złożonego życia.
W połowie lipca 2021 w domenie publicznejpojawił się kod AI o otwartym kodzie źródłowym, a także inne informacje, które pomogą naukowcom rozpocząć prowadzenie takich badań w ramach ich pracy. Tydzień później DeepMind ogłosił, że wykorzystał AlphaFold do przewidywania struktury prawie wszystkich białek wytwarzanych przez ludzi. W sumie zespół zbadał 365 000 struktur biologicznych. Dziś baza ta rozrosła się do prawie miliona struktur.
W 2022 roku DeepMind planuje wydaniew sumie ponad 100 milionów przewidywań dotyczących struktury biologicznej organizmów. To prawie połowa wszystkich znanych białek – także liczba ta jest setki razy większa niż białek, które można by wyznaczyć eksperymentalnie.
Narzędzie pomogło już naukowcom znaleźć nowepotencjalnych partnerów białkowych. Naukowcy wykorzystali AlphaFold do przewidzenia struktur 65 000 par białek ludzkich. Inna grupa wykorzystała AlphaFold i RoseTTAFold do modelowania interakcji między prawie każdą parą białek kodowanych przez drożdże. W rezultacie znaleźli ponad 100 wcześniej nieznanych kompleksów porów jądrowych.
Jak działa Alpha Fold?
AlphaFold wykorzystuje głębokie sieci neuronoweUczenie się: Jest to struktura obliczeniowa, która działa jak ludzki mózg i rozpoznaje wzorce w danych. Algorytm został przeszkolony przy użyciu setek tysięcy struktur białkowych określonych eksperymentalnie. Jeśli sztuczna inteligencja napotka nową sekwencję, najpierw przeszukuje bazy danych pod kątem podobnych przypadków.
AlphaFold przegląda wskazówki i próbujesymulować obraz 3D aminokwasów. Eksperci uważają, że w tym oprogramowaniu z powodzeniem zastosowano nowe pomysły na uczenie maszynowe. W szczególności zauważają unikalny mechanizm zwany „uwagą” – określa, które związki aminokwasowe są w danym momencie najważniejsze do pracy.
Jaki jest problem z AlphaFoldem?
Prognozy AlphaFold zależą od informacji opowiązane sekwencje białek, więc AI ma pewne ograniczenia. Na przykład algorytm nie może przewidzieć wpływu mutacji na kształt białka, w szczególności tych, które powodują choroby.
Nie jest również w stanie wykryć, jak zmieniają się białkakształt pod wpływem innych oddziałujących białek lub cząsteczek, takich jak leki. Model może jednak ocenić pewność własnych przewidywań dla każdej jednostki aminokwasowej białka. Według stanu na sierpień 2022 r. firma DeepMind podała, że z baz danych AlphaFold EMBL-EBI korzystało ponad 400 000 osób.
Jak takie algorytmy pomogą zwykłym ludziom?
Naukowcy z firm farmaceutycznych i biotechnologicznych są podekscytowani potencjałem AlphaFold i twierdzą, że algorytm pomaga w odkrywaniu nowych leków.
Karen Akinsanya, kierownik ds. rozwojurozwijając terapię w Schrödinger, zauważa, że ona i jej koledzy pracowali z AlphaFold z wynikami, które można nazwać sukcesami. Byli w stanie opracować związki, które potencjalnie mogłyby stać się lekami.
Czytaj więcej:
MIT tworzy stacjonarny silnik cieplny, który przewyższa turbiny
Po dziesięciu latach pracy naukowcy zakwestionowali standardowy model fizyki
Zobacz, jak wygląda wschód słońca na Marsie