Max Home IndustryИскусственный интеллект был использован для предсказания структуры почти каждого белка, производимого человеческим телом.
Разработка может помочь ускорить открытие новых лекарств для лечения болезней наряду с другими приложениями.
Белки — важные строительные блоки живых организмов; каждая клеточка в нас забита ими.
Понимание белковых структур имеет решающее значение для развития медицины, но до сих пор изучена лишь часть из них.
Исследователи использовали программу AlphaFold для предсказания 350 000 белковых структур, принадлежащих людям и другим организмам.
Инструкции по созданию человеческих белков содержатся в наших геномах — ДНК, содержащейся в ядрах человеческих клеток.
В геноме человека содержится около 20 000 таких белков. В совокупности биологи называют этот полный набор «протеомом».
Комментируя результаты AlphaFold, доктор Демис Хассабис, исполнительный директор и соучредитель компании Deep Mind, занимающейся искусственным интеллектом, сказал: «Мы считаем, что это наиболее полная и точная картина протеома человека на сегодняшний день.
- Одна из самых больших загадок биологии « в значительной степени разгадана »
- ИИ преодолевает трудности платформеров 1980-х годов
«Мы считаем, что эта работа представляет собой наиболее значительный вклад ИИ в развитие научных знаний на сегодняшний день.
«И я думаю, что это отличная иллюстрация и пример того, какую пользу ИИ может принести обществу». Он добавил: «Мы очень рады видеть, что сообщество собирается с этим делать».
350 000 белковых структур, предсказанных AlphaFold, включают не только 20 000 белковых структур, содержащихся в протеоме человека, но также и так называемых модельных организмов, используемых в научных исследованиях, таких как кишечная палочка, дрожжи, плодовая муха и мышь.
Этот гигантский скачок в возможностях описан исследователями DeepMind и командой из Европейской лаборатории молекулярной биологии (EMBL) в престижном журнале Nature.
AlphaFold смогла сделать уверенный прогноз структурных положений для 58% аминокислот (составляющих белков) в протеоме человека.
Позиции в 35,7% были предсказаны с очень высокой степенью уверенности — вдвое больше, чем подтверждено экспериментами.
Структурная схема различных белков может быть разработана с использованием различных методов, включая рентгеновскую кристаллографию, криогенную электронную микроскопию (Cryo-EM) и другие. Но все это сделать нелегко: «Для создания структур требуется огромное количество денег и ресурсов», — сказал BBC News профессор Джон МакГихан, структурный биолог из Портсмутского университета.
Поэтому сложные трехмерные структуры часто определяются в рамках целенаправленных научных исследований, но до сих пор ни в одном проекте не было систематически определяемых структур для всех белков, производимых организмом.
Фактически, только 17% протеома покрыто структурой, подтвержденной экспериментально.
Комментируя прогнозы AlphaFold, профессор МакГихан сказал: «Это просто скорость — тот факт, что на каждую структуру у нас уходило шесть месяцев, а теперь на это уходит пара минут. Мы не могли предположить, что это произойдет так быстро. «
«Когда мы впервые отправили наши семь последовательностей команде DeepMind, для двух из них у нас уже были экспериментальные структуры. Так что мы смогли протестировать их, когда они вернулись. Честно говоря, это был один из тех моментов, когда волосы встал у меня на затылке, потому что структуры, созданные [AlphaFold], были идентичными ».
Профессор Эдит Херд из EMBL сказала: «Это изменит наше понимание того, как устроена жизнь. Это потому, что белки представляют собой фундаментальные строительные блоки, из которых состоят живые организмы».
«Приложения ограничены только нашим пониманием».
Те приложения, которые мы можем себе представить сейчас, включают разработку новых лекарств и методов лечения болезней, создание будущих культур, способных противостоять изменению климата, или ферментов, которые могут разрушать пластик, проникающий в окружающую среду.
Группа профессора МакГихана уже использует данные AlphaFold для разработки более быстрых ферментов для разложения пластика. Он сказал, что программа предоставила прогнозы для интересующих белков, структуры которых не могут быть определены экспериментально, что помогло ускорить их проект «на несколько лет».
Доктор Эван Бирни, директор Европейского института биоинформатики EMBL, сказал, что структуры, предсказанные AlphaFold, были «одним из самых важных наборов данных с момента картирования генома человека».
DeepMind объединился с EMBL, чтобы сделать код AlphaFold и прогнозы структуры белков открытыми для глобального научного сообщества.
Доктор Хассабис сказал, что DeepMind планирует значительно расширить охват базы данных почти на каждый секвенированный белок, известный науке — более 100 миллионов структур.
Следите за сообщениями Пола в Twitter.