211service.com
DeepMind sier at det vil frigjøre strukturen til hvert protein kjent for vitenskapen
DeepMind
Tilbake i desember 2020 overrasket DeepMind biologiens verden da den løste en 50-årig stor utfordring med AlphaFold , et AI-verktøy som forutsier strukturen til proteiner. Forrige uke publiserte det London-baserte selskapet alle detaljer om verktøyet og ga ut kildekoden.
Nå har firmaet annonsert at det har gjort det brukte sin AI til å forutsi formene til nesten alle proteiner i menneskekroppen , samt formene til hundretusenvis av andre proteiner som finnes i 20 av de mest studerte organismene, inkludert gjær, fruktfluer og mus. Gjennombruddet kan gjøre det mulig for biologer fra hele verden å forstå sykdommer bedre og utvikle nye medisiner.
Relatert historie
DeepMinds proteinfoldende AI har løst en 50 år gammel stor utfordring innen biologi AlphaFold kan forutsi formen til proteiner innenfor bredden av et atom. Gjennombruddet vil hjelpe forskere med å designe legemidler og forstå sykdom.
Så langt består troven av 350 000 nylig forutsagte proteinstrukturer. DeepMind sier at det vil forutsi og frigjøre strukturene for mer enn 100 millioner mer i løpet av de neste månedene - mer eller mindre alle proteiner kjent for vitenskapen.
Proteinfolding er et problem jeg har hatt øye på i mer enn 20 år, sier DeepMinds medgründer og administrerende direktør Demis Hassabis. Det har vært et stort prosjekt for oss. Jeg vil si at dette er det største vi har gjort så langt. Og det er det mest spennende på en måte, fordi det burde ha størst innvirkning i verden utenfor AI.
Proteiner er laget av lange bånd av aminosyrer, som vrir seg opp til kompliserte knuter. Å kjenne formen til et proteins knute kan avsløre hva det proteinet gjør, noe som er avgjørende for å forstå hvordan sykdommer fungerer og utvikle nye medisiner – eller identifisere organismer som kan hjelpe til med å takle forurensning og klimaendringer. Å finne ut et proteins form tar uker eller måneder i laboratoriet. AlphaFold kan forutsi former til nærmeste atom i løpet av en dag eller to.
Den nye databasen skal gjøre livet enda enklere for biologer. AlphaFold kan være tilgjengelig for forskere å bruke, men ikke alle vil ønske å kjøre programvaren selv. Det er mye lettere å hente en struktur fra databasen enn den kjører den på din egen datamaskin, sier David Baker fra Institute for Protein Design ved University of Washington, hvis laboratorium har bygget sitt eget verktøy for å forutsi proteinstruktur, kalt RoseTTAFold , basert på AlphaFolds tilnærming.
I løpet av de siste månedene har Bakers team jobbet med biologer som tidligere satt fast og prøvde å finne ut formen på proteiner de studerte. Det er mye ganske kul biologisk forskning som har blitt virkelig fremskyndet, sier han. En offentlig database som inneholder hundretusenvis av ferdiglagde proteinformer burde være en enda større akselerator.
Det ser forbløffende imponerende ut, sier Tom Ellis, en syntetisk biolog ved Imperial College London som studerer gjærgenomet, som er spent på å prøve databasen. Men han advarer om at de fleste av de forutsagte formene ennå ikke er verifisert i laboratoriet.
Atompresisjon
I den nye versjonen av AlphaFold kommer spådommer med en konfidenspoengsum som verktøyet bruker for å flagge hvor nær det tror hver forutsagt form er den virkelige varen. Ved å bruke dette målet fant DeepMind at AlphaFold spådde former for 36 % av menneskelige proteiner med en nøyaktighet som er korrekt ned til nivået til individuelle atomer. Dette er godt nok for legemiddelutvikling, sier Hassabis.
Tidligere, etter flere tiår med arbeid, har bare 17% av proteinene i menneskekroppen fått sine strukturer identifisert i laboratoriet. Hvis AlphaFolds spådommer er så nøyaktige som DeepMind sier, har verktøyet mer enn doblet dette tallet på bare noen få uker.
Selv spådommer som ikke er helt nøyaktige på atomnivå er fortsatt nyttige. For mer enn halvparten av proteinene i menneskekroppen har AlphaFold spådd en form som burde være god nok til at forskere kan finne ut proteinets funksjon. Resten av AlphaFolds nåværende spådommer er enten feil, eller er for den tredje av proteiner i menneskekroppen som ikke har en struktur i det hele tatt før de binder seg til andre. De er floppy, sier Hassabis.
Det faktum at det kan brukes på dette kvalitetsnivået er en imponerende ting, sier Mohammed AlQuraish, en systembiolog ved Columbia University som har utviklet sin egen programvare for å forutsi proteinstruktur. Han påpeker også at det å ha strukturer for de fleste proteinene i en organisme vil gjøre det mulig å studere hvordan disse proteinene fungerer som et system, ikke bare isolert. Det er det jeg synes er mest spennende, sier han.
DeepMind slipper verktøyene og spådommene sine gratis og vil ikke si om de har planer om å tjene penger på dem i fremtiden. Det utelukker imidlertid ikke muligheten. For å sette opp og drifte databasen, samarbeider DeepMind med European Molecular Biology Laboratory, en internasjonal forskningsinstitusjon som allerede er vert for en stor database med proteininformasjon.
Foreløpig kan AlQuraishi ikke vente med å se hva forskere gjør med de nye dataene. Det er ganske spektakulært, han sier at jeg tror ikke noen av oss trodde vi skulle være her så raskt. Det er oppsiktsvekkende.