DeepMind siger, at det vil frigive strukturen af ​​hvert protein kendt af videnskaben

DeepMind

Tilbage i december 2020 overraskede DeepMind biologiens verden, da det løste en 50-årig stor udfordring med AlphaFold , et kunstig intelligens-værktøj, der forudsiger strukturen af ​​proteiner. I sidste uge offentliggjorde det London-baserede selskab alle detaljer om dette værktøj og udgav sin kildekode.

Det har firmaet nu meddelt, at det har brugte sin AI til at forudsige formerne af næsten alle proteiner i den menneskelige krop , såvel som formerne af hundredtusindvis af andre proteiner, der findes i 20 af de mest undersøgte organismer, herunder gær, frugtfluer og mus. Gennembruddet kan gøre det muligt for biologer fra hele verden at forstå sygdomme bedre og udvikle nye lægemidler.

Relateret historie

DeepMinds proteinfoldende AI har løst en 50 år gammel stor udfordring inden for biologi

AlphaFold kan forudsige formen af ​​proteiner inden for bredden af ​​et atom. Gennembruddet vil hjælpe videnskabsmænd med at designe lægemidler og forstå sygdom.

Indtil videre består troven af ​​350.000 nyligt forudsagte proteinstrukturer. DeepMind siger, at det vil forudsige og frigive strukturerne for mere end 100 millioner mere i de næste par måneder - mere eller mindre alle proteiner kendt af videnskaben.

Proteinfoldning er et problem, jeg har haft øje på i mere end 20 år, siger DeepMinds medstifter og administrerende direktør Demis Hassabis. Det har været et kæmpe projekt for os. Jeg vil sige, at dette er det største, vi har gjort indtil videre. Og det er på en måde det mest spændende, fordi det burde have den største indflydelse i verden uden for AI.

Proteiner er lavet af lange bånd af aminosyrer, som snor sig op i komplicerede knuder. At kende formen på et proteins knude kan afsløre, hvad det protein gør, hvilket er afgørende for at forstå, hvordan sygdomme virker og udvikle nye lægemidler - eller identificere organismer, der kan hjælpe med at tackle forurening og klimaændringer. At finde ud af et proteins form tager uger eller måneder i laboratoriet. AlphaFold kan forudsige former til det nærmeste atom på en dag eller to.

Den nye database skal gøre livet endnu lettere for biologer. AlphaFold er muligvis tilgængelig for forskere at bruge, men ikke alle vil gerne køre softwaren selv. Det er meget nemmere at få fat i en struktur fra databasen, end den kører den på din egen computer, siger David Baker fra Institute for Protein Design ved University of Washington, hvis laboratorium har bygget sit eget værktøj til at forudsige proteinstruktur, kaldet RoseTTAFold , baseret på AlphaFolds tilgang.

I de sidste par måneder har Bakers team arbejdet med biologer, der tidligere har været fastlåst i at prøve at finde ud af formen på proteiner, de studerede. Der er en masse ret sej biologisk forskning, som er blevet virkelig fremskyndet, siger han. En offentlig database med hundredtusindvis af færdiglavede proteinformer burde være en endnu større accelerator.

Det ser forbløffende imponerende ud, siger Tom Ellis, en syntetisk biolog ved Imperial College London, der studerer gærgenomet, som er spændt på at prøve databasen. Men han advarer om, at de fleste af de forudsagte former endnu ikke er blevet verificeret i laboratoriet.

Atompræcision

I den nye version af AlphaFold kommer forudsigelser med en tillidsscore, som værktøjet bruger til at markere, hvor tæt det tror, ​​hver forudsagt form er på den ægte vare. Ved at bruge dette mål fandt DeepMind ud af, at AlphaFold forudsagde former for 36 % af menneskelige proteiner med en nøjagtighed, der er korrekt ned til niveauet af individuelle atomer. Det er godt nok til udvikling af lægemidler, siger Hassabis.

Tidligere, efter årtiers arbejde, har kun 17% af proteinerne i den menneskelige krop fået deres strukturer identificeret i laboratoriet. Hvis AlphaFolds forudsigelser er så nøjagtige, som DeepMind siger, har værktøjet mere end fordoblet dette tal på blot et par uger.

Selv forudsigelser, der ikke er helt nøjagtige på atomniveau, er stadig nyttige. For mere end halvdelen af ​​proteinerne i den menneskelige krop har AlphaFold forudsagt en form, der skulle være god nok til, at forskere kan finde ud af proteinets funktion. Resten af ​​AlphaFolds nuværende forudsigelser er enten forkerte eller er for den tredjedel af proteiner i den menneskelige krop, som slet ikke har en struktur, før de binder sig til andre. De er floppy, siger Hassabis.

At det kan anvendes på dette kvalitetsniveau er en imponerende ting, siger Mohammed AlQuraish, systembiolog ved Columbia University, som har udviklet sin egen software til at forudsige proteinstruktur. Han påpeger også, at det at have strukturer for de fleste af proteinerne i en organisme vil gøre det muligt at studere, hvordan disse proteiner fungerer som et system, ikke kun isoleret. Det synes jeg er mest spændende, siger han.

DeepMind frigiver sine værktøjer og forudsigelser gratis og vil ikke sige, om det har planer om at tjene penge på dem i fremtiden. Det udelukker dog ikke muligheden. For at oprette og drive databasen samarbejder DeepMind med European Molecular Biology Laboratory, en international forskningsinstitution, der allerede er vært for en stor database med proteininformation.

For nu kan AlQuraishi ikke vente med at se, hvad forskere gør med de nye data. Det er ret spektakulært, han siger, at jeg tror ikke, nogen af ​​os troede, vi ville være her så hurtigt. Det er ufatteligt.

skjule