A fonte de dados de proteína humana saudável da AI é um 'salto maravilhoso' para o estudo de pesquisa

Ao contrário do genoma - a sequência completa de genes humanos que codificam a vida celular - o proteoma humano está em constante mudança

Os cientistas revelaram na quinta-feira uma das mais extensas fontes de dados das proteínas saudáveis ​​que criam a base da vida, em um avanço que os telespectadores afirmaram certamente "mudaria fundamentalmente a pesquisa biológica"

Cada célula em cada microorganismo vivo é causada por proteínas saudáveis ​​que fornecem diretrizes consistentes para manter o bem-estar e também prevenir infecções.

Ao contrário do genoma - a série total da genética humana que inscreve a vida móvel - o proteoma humano está se alterando continuamente em reação a diretrizes hereditárias e também a estímulos ecológicos.

Entender exatamente como as proteínas saudáveis ​​funcionam - a forma em que elas terminam, ou "se dobram" dentro das células tem realmente interessado os pesquisadores por anos.

Mas descobrir as características específicas de cada proteína saudável com testes diretos é trabalhoso.

Cinqüenta anos de pesquisas já haviam gerado anteriormente apenas 17% dos aminoácidos do proteoma humano, as subunidades de proteínas saudáveis.

Na quinta-feira, cientistas da DeepMind do Google e também do Laboratório Europeu de Biologia Molecular (EMBL) revelaram uma fonte de dados de 20,000 proteínas saudáveis ​​compartilhadas pelo genoma humano, facilmente e honestamente oferecidas online.

Eles também consistiam em mais de 350,000 proteínas saudáveis ​​de 20 microrganismos, como germes, leveduras e também ratos de computador dos quais os pesquisadores dependem para estudos de pesquisa.

Para produzir a fonte de dados, os pesquisadores utilizaram um dispositivo de ponta para descobrir um programa que tinha a capacidade de antecipar adequadamente a forma de proteínas saudáveis ​​com base em sua série de aminoácidos.

Em vez de custar meses utilizando dispositivos multimilionários, eles treinaram seu sistema AlphaFold em uma fonte de dados de 170,000 estruturas de proteínas saudáveis ​​bem conhecidas.

O AI depois disso utilizou uma fórmula para fazer previsões exatas da forma de 58 por cento de todas as proteínas saudáveis ​​dentro do proteoma humano.

Isso aumentou muito a variedade de estruturas de proteína humana saudável de alta precisão que os cientistas realmente reconheceram ao longo de 50 anos de testes diretos, basicamente durante a noite.

As aplicações prospectivas são massivas, desde a investigação de condições hereditárias e também no combate à resistência antimicrobiana até o design de plantas muito mais resistentes à seca.

'Problema de dobramento de proteína'

Paul Nurse, campeão do Prêmio Nobel de Medicina de 2001 e também supervisor do Instituto Francis Crick, afirmou que o lançamento de quinta-feira foi “um grande salto para a inovação biológica”.

“Com este recurso disponível de forma gratuita e aberta, a comunidade científica será capaz de recorrer ao conhecimento coletivo para acelerar a descoberta, inaugurando uma nova era para a biologia habilitada para IA”, afirmou ele.

John McGeehan, supervisor do Center for Enzyme Innovation da University of Portsmouth, cujo grupo está estabelecendo enzimas eficientes na absorção de resíduos plásticos de uso único, afirmou que a AlphaFold realmente mudou a área.

“O que nos levou meses e anos para fazer, AlphaFold foi capaz de fazer em um fim de semana. Sinto que acabamos de pular pelo menos um ano à frente de onde estávamos ontem ”, afirmou.

A capacidade de antecipar a forma de uma proteína saudável a partir de sua série de aminoácidos, utilizando um sistema de computador em vez de testes, está atualmente auxiliando os pesquisadores em uma variedade de áreas de estudo de pesquisa.

AlphaFold está sendo utilizado atualmente em estudos de pesquisa para remédios para condições que afetam muito as nações mais pobres.

Um grupo com sede nos Estados Unidos está utilizando a previsão da IA ​​para pesquisar métodos de combate ao estresse de germes resistentes a medicamentos.

Outra equipe está utilizando a fonte de dados para compreender muito melhor exatamente como o SARS-CoV-2, a infecção que desencadeia o Covid -19, se liga às células humanas.

Venki Ramakrishnan, campeão do Prêmio Nobel de Química de 2009, afirmou que o estudo de pesquisa de quinta-feira, divulgado na revista Nature, foi um "avanço impressionante" no estudo de pesquisa orgânica.

Ele afirmou que a AlphaFold basicamente resolveu o suposto “problema de dobramento de proteínas”, que dizia que a estrutura 3D de uma proteína saudável oferecida deveria ser determinável a partir de sua série de aminoácidos, e também que confundia os pesquisadores por 50 anos.

Dado que a variedade de formas que uma proteína saudável pode, em teoria, assumir é astronomicamente grande, o problema da dobra protéica estava parcialmente relacionado à capacidade de manuseio.

O trabalho era tão opressor que em 1969 o biólogo molecular dos Estados Unidos Cyril Levinthal notoriamente teorizou que certamente levaria mais tempo do que a idade do conhecido cosmos para especificar todos os arranjos de proteínas saudáveis ​​viáveis ​​utilizando a estimativa bruta.

Mas com o AlphaFold eficiente em realizar uma variedade estonteante de cálculos a cada dois dias, o problema não existia quando confrontado com IA e também fórmulas.

“Aconteceu muito antes que muitas pessoas no campo tivessem previsto”, afirmou Ramakrishnan.

“Será emocionante ver as muitas maneiras pelas quais isso mudará fundamentalmente a pesquisa biológica.”.

Detonic