Nu numai oamenii pot prezice o boală genetică și pot crea un nou medicament, ci și
Cum studiază biologii proteinele umane?
De mai bine de 10 ani, biologul molecular Martin Beckîmpreună cu colegii au încercat să creeze un model detaliat al complexelor nucleare-pori. Beck o numește cea mai mare mașină moleculară din celulele umane. Complexul de pori nucleari controlează fluxul de molecule care curg în și din nucleul celulei către locul în care se află genomul. Sute de astfel de complexe există în toate celulele. Fiecare dintre ele constă din peste 1.000 de proteine.
Aceste mii de bucăți formează peste 30 de proteine.blocuri de construcție care se împletesc în moduri diferite: deci lucrul cu ele este și mai dificil. În 2016, o echipă condusă de Beck de la Institutul Max Planck pentru Biofizică (MPIB) a raportat că a creat un model care descrie aproximativ 30% din complexul porilor nucleari și aproape jumătate din blocurile de construcție, cu alte cuvinte, proteinele Nup.
Cum învață algoritmii proteinele umane?
În iulie 2021, DeepMind, parte dinAlphabet, compania-mamă a Google, a introdus un AI numit AlphaFold. Acest software ar putea prezice forma tridimensională a proteinelor din secvența lor genetică. Calculele au fost efectuate cu mare precizie. Acest lucru a schimbat serios sarcinile și interesele biologilor.
Folosind AlphaFold, oamenii de știință au reușit să prezicăcare este forma proteinei umane Nup. Și mai târziu au publicat un model care descrie 60% din complexul porilor nucleari. Acest lucru a ajutat la înțelegerea modului în care complexul stabilizează porii și controlează fluxul de molecule.
AlphaFold mania: de ce a devenit atât de populară IA pentru studiul structurii proteinelor?
Potrivit biologilor, întreaga comunitate științificăapucat AlphaFold-mania. AI a fost folosită pentru o cantitate imensă de cercetări. În unele cazuri, algoritmul a ajutat la economisirea de timp sau a furnizat date noi. Dar AI are și limitări: unii oameni de știință consideră că predicțiile sale sunt prea nesigure pentru munca lor. Cu toate acestea, toată lumea admite că algoritmul face față procesării datelor mai bine decât oricine altcineva.
Chiar și dezvoltatorii de algoritmi înșiși nu o fac întotdeaunaau timp să-și dea seama în ce alte domenii poate fi folosit: așa că deseori doar urmăresc cum echipele de cercetători fac noi descoperiri folosind AlphaFold: de la descoperirea medicamentelor și dezvoltarea proteinelor până la originea vieții complexe.
La mijlocul lunii iulie 2021 în domeniul publica apărut un cod open source AI, precum și alte informații care vor ajuta oamenii de știință să înceapă să efectueze astfel de cercetări ca parte a muncii lor. O săptămână mai târziu, DeepMind a anunțat că a folosit AlphaFold pentru a prezice structura aproape a tuturor proteinelor pe care le produc oamenii. În total, echipa a studiat 365.000 de structuri biologice. Astăzi, această bază de date s-a extins la aproape un milion de structuri.
În 2022, DeepMind plănuiește să lansezeîn total peste 100 de milioane de predicții despre structura biologică a organismelor. Aceasta este aproape jumătate din toate proteinele cunoscute - de asemenea, acest număr este de sute de ori mai mare decât proteinele care ar putea fi determinate experimental.
Instrumentul a ajutat deja cercetătorii să găsească noipotențiali parteneri proteici. Oamenii de știință au folosit AlphaFold pentru a prezice structurile a 65.000 de perechi de proteine umane. Și un alt grup a folosit AlphaFold și RoseTTAFold pentru a modela interacțiunile dintre aproape fiecare pereche de proteine codificate de drojdie. Ca rezultat, au găsit mai mult de 100 de complexe de pori nucleari necunoscute anterior.
Cum funcționează Alpha Fold?
AlphaFold utilizează rețele neuronale profundeÎnvățare: Aceasta este o structură de calcul care funcționează ca creierul uman și recunoaște modele în date. Algoritmul a fost antrenat folosind sute de mii de structuri de proteine care au fost determinate experimental. Dacă AI întâlnește o nouă secvență, mai întâi caută în baze de date pentru cazuri similare.
AlphaFold parcurge indicii, încercândsimulează o imagine 3D a aminoacizilor. Experții cred că acest software a aplicat cu succes idei noi pentru învățarea automată. În special, ei observă un mecanism unic numit „atenție” - determină ce compuși aminoacizi sunt cei mai importanți pentru lucru la un moment dat.
Care este problema cu AlphaFold?
Predicțiile AlphaFold depind de informațiile despresecvențe de proteine înrudite, deci AI are unele limitări. De exemplu, algoritmul nu poate prezice efectul mutațiilor asupra formei unei proteine, în special a celor care provoacă boli.
De asemenea, nu poate detecta cum se schimbă proteineleforma datorită altor proteine sau molecule care interacționează, cum ar fi medicamentele. Dar modelul poate evalua încrederea propriei predicții pentru fiecare unitate de aminoacizi a proteinei. În august 2022, DeepMind a raportat că peste 400.000 de persoane foloseau bazele de date AlphaFold EMBL-EBI.
Cum vor ajuta astfel de algoritmi oamenii obișnuiți?
Cercetătorii de la firmele farmaceutice și de biotehnologie sunt încântați de potențialul AlphaFold și spun că algoritmul ajută la descoperirea de noi medicamente.
Karen Akinsanya, responsabilă de dezvoltareîn curs de dezvoltare terapeutică la Schrödinger, observă că ea și colegii ei au lucrat cu AlphaFold cu rezultate care pot fi numite de succes. Au fost capabili să dezvolte compuși care ar putea deveni medicamente.
Citeste mai mult:
MIT creează un motor termic staționar care depășește turbinele
După zece ani de muncă, oamenii de știință au pus sub semnul întrebării modelul standard al fizicii
Vezi cum arată răsăritul soarelui pe Marte