Не само да људи могу предвидети генетску болест и створити нови лек, већ и
Како биолози проучавају људске протеине?
Више од 10 година молекуларни биолог Мартин Бекзаједно са колегама покушао да направи детаљан модел комплекса нуклеарних пора. Бек га назива највећом молекуларном машином у људским ћелијама. Комплекс нуклеарних пора контролише проток молекула који улазе и излазе из ћелијског језгра до места где се налази геном. У свим ћелијама постоје стотине таквих комплекса. Сваки од њих се састоји од више од 1000 протеина.
Ових хиљада комада формира преко 30 протеина.грађевни блокови који се преплићу на различите начине: па је рад са њима још тежи. У 2016. години, тим који је предводио Бецк са Института Макс Планк за биофизику (МПИБ) известио је да су креирали модел који описује око 30% комплекса нуклеарних пора и скоро половину градивних блокова, другим речима, Нуп протеина.
Како алгоритми уче људске протеине?
У јулу 2021, ДеепМинд, деоАлпхабет, матична компанија Гоогле-а, представила је АИ под називом АлпхаФолд. Овај софтвер би могао да предвиди тродимензионални облик протеина из њихове генетске секвенце. Прорачуни су обављени са високом прецизношћу. Ово је озбиљно променило задатке и интересовања биолога.
Користећи АлпхаФолд, научници су могли да предвидекакав је облик људског Нуп протеина. А касније су објавили модел који описује 60% комплекса нуклеарних пора. Ово је помогло да се разуме како комплекс стабилизује поре и контролише проток молекула.
АлпхаФолд манија: зашто је вештачка интелигенција за проучавање структуре протеина постала толико популарна?
Према биолозима, читава научна заједницазахватила АлпхаФолд-манију. АИ је коришћен за огромну количину истраживања. У неким случајевима, алгоритам је помогао у уштеди времена или је обезбедио нове податке. Али АИ такође има ограничења: неки научници сматрају да су њена предвиђања превише непоуздана за њихов рад. Ипак, сви признају да се алгоритам носи са обрадом података боље од било кога другог.
Чак ни сами програмери алгоритама не раде увекимају времена да схвате у којим другим областима се може користити: тако да често само посматрају како тимови истраживача праве нова открића користећи АлпхаФолд: од открића лекова и развоја протеина до настанка сложеног живота.
Средином јула 2021. у јавном власништвупојавио се АИ код отвореног кода, као и друге информације које ће помоћи научницима да почну да спроводе таква истраживања у оквиру свог рада. Недељу дана касније, ДеепМинд је објавио да је користио АлпхаФолд да предвиди структуру скоро свих протеина које људи праве. Укупно, тим је проучавао 365.000 биолошких структура. Данас се ова база података проширила на скоро милион структура.
ДеепМинд планира да објави 2022. годинеукупно више од 100 милиона предвиђања о биолошкој структури организама. Ово је скоро половина свих познатих протеина - такође овај број је стотинама пута већи од протеина који би се могли експериментално одредити.
Алат је већ помогао истраживачима да пронађу новепотенцијални протеински партнери. Научници су користили АлпхаФолд да предвиде структуре 65.000 парова људских протеина. Друга група је користила АлпхаФолд и РосеТТАФолд за моделирање интеракција између скоро сваког пара протеина кодираних квасцем. Као резултат тога, пронашли су више од 100 раније непознатих комплекса нуклеарних пора.
Како функционише Алпха Фолд?
АлпхаФолд користи дубоке неуронске мрежеУчење: Ово је рачунарска структура која функционише као људски мозак и препознаје обрасце у подацима. Алгоритам је обучен коришћењем стотина хиљада протеинских структура које су експериментално одређене. Ако АИ наиђе на нову секвенцу, прво претражује базе података за сличне случајеве.
АлпхаФолд кружи кроз наговештаје, покушавајућисимулирати 3Д слику аминокиселина. Стручњаци верују да је овај софтвер успешно применио нове идеје за машинско учење. Конкретно, примећују јединствени механизам који се зове „пажња“ - он одређује која су једињења аминокиселина најважнија за рад у датом тренутку.
Шта је проблем са АлпхаФолд-ом?
АлпхаФолд предвиђања зависе од информација оповезане секвенце протеина, тако да АИ има нека ограничења. На пример, алгоритам не може предвидети ефекат мутација на облик протеина, посебно оних које изазивају болести.
Такође не може открити како се протеини мењајуоблик услед других интеракцијских протеина или молекула, као што су лекови. Али модел може проценити поузданост сопственог предвиђања за сваку аминокиселинску јединицу протеина. Од августа 2022, ДеепМинд је известио да више од 400.000 људи користи АлпхаФолд ЕМБЛ-ЕБИ базе података.
Како ће такви алгоритми помоћи обичним људима?
Истраживачи из фармацеутских и биотехнолошких фирми су узбуђени због потенцијала АлпхаФолд-а и кажу да алгоритам помаже у откривању нових лекова.
Карен Акинсаниа, водитељ развојаразвијајући терапију у Сцхродингеру, напомиње да су она и њене колеге радиле са АлпхаФолд-ом са резултатима који се могу назвати успешним. Били су у стању да развију једињења која би потенцијално могла да постану лекови.
Опширније:
МИТ ствара стационарни топлотни мотор који надмашује турбине
После десет година рада, научници су довели у питање стандардни модел физике
Погледајте како изгледа излазак сунца на Марсу