Não só os humanos podem prever uma doença genética e criar um novo medicamento, mas também
Como os biólogos estudam as proteínas humanas?
Por mais de 10 anos o biólogo molecular Martin Beckjuntamente com colegas tentaram criar um modelo detalhado de complexos de poros nucleares. Beck chama-lhe a maior máquina molecular nas células humanas. O complexo do poro nuclear controla o fluxo de moléculas que entram e saem do núcleo da célula para onde o genoma reside. Centenas de tais complexos existem em todas as células. Cada um deles consiste em mais de 1.000 proteínas.
Esses milhares de pedaços formam mais de 30 proteínas.blocos de construção que se entrelaçam de maneiras diferentes: trabalhar com eles é ainda mais difícil. Em 2016, uma equipe liderada por Beck no Instituto Max Planck de Biofísica (MPIB) relatou ter criado um modelo que descreve cerca de 30% do complexo do poro nuclear e quase metade dos blocos de construção, ou seja, as proteínas Nup.
Como os algoritmos aprendem proteínas humanas?
Em julho de 2021, DeepMind, parte doA Alphabet, empresa controladora do Google, introduziu uma IA chamada AlphaFold. Este software poderia prever a forma tridimensional das proteínas a partir de sua sequência genética. Os cálculos foram realizados com alta precisão. Isto mudou seriamente as tarefas e interesses dos biólogos.
Usando AlphaFold, os cientistas foram capazes de preverqual é a forma da proteína Nup humana. E mais tarde eles publicaram um modelo que descreve 60% do complexo de poros nucleares. Isso ajudou a entender como o complexo estabiliza os poros e controla o fluxo de moléculas.
Mania AlphaFold: por que a IA para estudar a estrutura das proteínas se tornou tão popular?
Segundo os biólogos, toda a comunidade científicaagarrou AlphaFold-mania. A IA começou a ser usada para uma enorme quantidade de pesquisas. Em alguns casos, o algoritmo ajudou a economizar tempo ou forneceu novos dados. Mas a IA também tem limitações: alguns cientistas acham suas previsões pouco confiáveis para seu trabalho. No entanto, todos admitem que o algoritmo lida com o processamento de dados melhor do que ninguém.
Mesmo os próprios desenvolvedores de algoritmos nem sempretêm tempo para descobrir em que outras áreas ele pode ser usado: então, muitas vezes, eles apenas observam enquanto equipes de pesquisadores fazem novas descobertas usando o AlphaFold: desde a descoberta de medicamentos e desenvolvimento de proteínas até a origem da vida complexa.
Em meados de julho de 2021 no domínio públicoum código de IA de código aberto apareceu, bem como outras informações que ajudarão os cientistas a começar a realizar essas pesquisas como parte de seu trabalho. Uma semana depois, a DeepMind anunciou que havia usado o AlphaFold para prever a estrutura de quase todas as proteínas que os humanos produzem. No total, a equipe estudou 365.000 estruturas biológicas. Hoje, esse banco de dados se expandiu para quase um milhão de estruturas.
Em 2022, DeepMind planeja lançarno total, mais de 100 milhões de previsões sobre a estrutura biológica dos organismos. Isso é quase metade de todas as proteínas conhecidas - e esse número também é centenas de vezes maior do que o das proteínas que poderiam ser determinadas experimentalmente.
A ferramenta já ajudou pesquisadores a encontrar novospotenciais parceiros proteicos. Os cientistas usaram o AlphaFold para prever as estruturas de 65.000 pares de proteínas humanas. E outro grupo usou AlphaFold e RoseTTAFold para modelar as interações entre quase todos os pares de proteínas codificadas por leveduras. Como resultado, eles encontraram mais de 100 complexos de poros nucleares anteriormente desconhecidos.
Como funciona o Alpha Fold?
AlphaFold usa redes neurais profundasAprendizagem: Esta é uma estrutura de computação que funciona como o cérebro humano e reconhece padrões nos dados. O algoritmo foi treinado usando centenas de milhares de estruturas proteicas determinadas experimentalmente. Se a IA encontrar uma nova sequência, ela primeiro pesquisará casos semelhantes nos bancos de dados.
AlphaFold percorre as dicas, tentandosimular uma imagem 3D de aminoácidos. Os especialistas acreditam que este software aplicou com sucesso novas ideias para aprendizado de máquina. Em particular, eles observam um mecanismo único chamado “atenção” - que determina quais compostos de aminoácidos são mais importantes para o trabalho em um determinado momento.
Qual é o problema com AlphaFold?
As previsões do AlphaFold dependem de informações sobresequências de proteínas relacionadas, então a IA tem algumas limitações. Por exemplo, o algoritmo não pode prever o efeito de mutações na forma de uma proteína, em particular aquelas que causam doenças.
Também não consegue detectar como as proteínas mudamforma devido a outras proteínas ou moléculas em interação, como drogas. Mas o modelo pode avaliar a confiança da sua própria previsão para cada unidade de aminoácido da proteína. Em agosto de 2022, DeepMind relata que mais de 400.000 pessoas usaram bancos de dados AlphaFold EMBL-EBI.
Como esses algoritmos ajudarão as pessoas comuns?
Pesquisadores de empresas farmacêuticas e de biotecnologia estão entusiasmados com o potencial do AlphaFold e dizem que o algoritmo está ajudando a descobrir novos medicamentos.
Karen Akinsanya, líder de desenvolvimentodesenvolvendo terapias em Schrödinger, observa que ela e seus colegas trabalharam com o AlphaFold com resultados que podem ser considerados bem-sucedidos. Eles foram capazes de desenvolver compostos que poderiam se tornar drogas.
Consulte Mais informação:
MIT cria um motor térmico estacionário que supera turbinas
Após dez anos de trabalho, cientistas questionaram o modelo padrão da física
Veja como é o nascer do sol em Marte