Zdroj údajov o ľudskom zdravom proteíne od spoločnosti AI predstavuje „úžasný skok“ pre výskumnú štúdiu

Na rozdiel od genómu - úplnej sekvencie ľudských génov, ktoré kódujú bunkový život - sa ľudský proteóm neustále mení

Vedci vo štvrtok odhalili jeden z najrozsiahlejších zdrojov údajov o zdravých proteínoch, ktoré tvoria základ života, v čom diváci uviedli, že pokrok určite „zásadne zmení biologický výskum“

Každá bunka v každom živom mikroorganizme je spôsobená tým, že plní svoju vlastnosť zdravými bielkovinami, ktoré poskytujú konzistentné pokyny na udržanie zdravia a tiež na prevenciu infekcie.

Na rozdiel od genómu - celkovej série ľudskej genetiky, ktorá sa vyznačuje mobilným životom - sa ľudský proteóm neustále mení v reakcii na dedičné pokyny a tiež na ekologické stimulácie.

Pochopenie toho, ako zdravé proteíny prebiehajú - vo forme, v ktorej sa namotávajú alebo „skladajú“ priamo do - v bunkách, skutočne zaujímalo výskumníkov už roky.

Ale zisťovanie špecifických vlastností každého zdravého proteínu priamym testovaním je náročné.

Päťdesiat rokov výskumnej štúdie v skutočnosti predtým generovalo iba 17 percent aminokyselín ľudského proteómu, čo je podjednotka zdravých bielkovín.

Vo štvrtok vedci v spoločnosti Google DeepMind a tiež v Európskom laboratóriu molekulárnej biológie (EMBL) odhalili zdroj údajov o 20,000 XNUMX zdravých proteínoch zdieľaných ľudským genómom, ktorý sa ľahko a čestne ponúka online.

Skladali sa tiež z viac ako 350,000 20 zdravých bielkovín z XNUMX mikroorganizmov, ako sú mikróby, kvasinky a tiež počítačové myši, na ktoré sú vedci pri výskume závislí.

Na výrobu zdroja údajov použili vedci špičkový program na zisťovanie prístrojov, ktorý mal schopnosť správne predvídať formu zdravých proteínov na základe ich aminokyselinových sérií.

Namiesto toho, aby to stálo mesiace s využitím zariadení s miliónmi dolárov, vzdelávali svoj systém AlphaFold na dátovom zdroji 170,000 XNUMX známych zdravých proteínových štruktúr.

AI potom použila vzorec na presnú predpoveď formy 58 percent všetkých zdravých proteínov v ľudskom proteóme.

To viac ako zvýšilo rozmanitosť vysoko presných štruktúr zdravých ľudských bielkovín, ktoré vedci skutočne poznali počas 50 rokov priameho testovania, v podstate cez noc.

Budúce aplikácie sú rozsiahle, od skúmania dedičných podmienok a tiež od boja proti antimikrobiálnej rezistencii až po navrhovanie rastlín odolnejších voči suchu.

„Problém so skladaním bielkovín“

Paul Nurse, šampión Nobelovej ceny za medicínu z roku 2001 a tiež vedúci inštitútu Francisa Cricka, uviedol, že štvrtkové uvedenie na trh bolo „veľkým skokom pre biologické inovácie“.

„S týmto zdrojom, ktorý je voľne a otvorene dostupný, bude môcť vedecká komunita čerpať z kolektívnych poznatkov s cieľom urýchliť objavovanie a zahájiť tak novú éru biológie využívajúcej umelú inteligenciu,“ uviedol.

John McGeehan, vedúci Centra pre inováciu enzýmov na univerzite v Portsmouthe, ktorého skupina vytvára enzýmy účinné pri prijímaní plastového odpadu na jedno použitie, uviedol, že oblasť AlphaFold skutočne zmenila.

"Čo nám trvalo mesiace a roky, kým sme to dokázali, dokázala AlphaFold urobiť cez víkend." Mám pocit, že sme práve poskočili minimálne o rok pred miesto, kde sme boli včera, “uviedol.

Schopnosť predvídať formu zdravého proteínu z jeho aminokyselinovej série, ktorá namiesto testovania využíva počítačový systém, v súčasnosti pomáha výskumníkom v rôznych oblastiach výskumných štúdií.

AlphaFold sa v súčasnosti využíva pri výskumných štúdiách zameraných priamo na liečenie stavov, ktoré majú výrazný dopad na chudobnejšie národy.

Jedna skupina so sídlom v USA využíva prognózu AI na výskum metód na prekonanie stresu choroboplodných zárodkov rezistentných na lieky.

Ďalší tím využíva zdroj dát na lepšie pochopenie toho, ako sa SARS-CoV-2, infekcia, ktorá spúšťa Covid-19, viaže s ľudskými bunkami.

Venki Ramakrishnan, držiteľka Nobelovej ceny za chémiu za rok 2009, uviedla, že štvrtková výskumná štúdia zverejnená v časopise Nature predstavuje „ohromujúci pokrok“ v štúdii organického výskumu.

Uviedol, že AlphaFold v podstate vyriešil predpokladaný „problém so skladaním proteínov“, podľa ktorého by mal byť 3D rámec ponúkaného zdravého proteínu určiteľný z jeho aminokyselinovej série, a ktorý vlastne výskumníkov mätie už 50 rokov.

Vzhľadom na to, že rozmanitosť foriem, ktoré môže mať zdravý proteín, je teoreticky veľká, problém zloženia bielkovín bol čiastočne medzi manipulačnou silou.

Táto práca bola taká zdrvujúca, že v roku 1969 americký molekulárny biológ Cyril Levinthal teoreticky predpokladal, že špecifikácia všetkých uskutočniteľných zdravých bielkovinových usporiadaní pomocou hrubého odhadu bude určite trvať dlhšie ako vek známeho kozmu.

Ale s AlphaFold efektívnym pri uskutočňovaní závratných rôznych výpočtov každé druhé, problém nemal žiadnu možnosť pri konfrontácii s AI a tiež so vzorcami.

"Vyskytlo sa to dávno predtým, ako by to dalo predpokladať veľa ľudí v teréne," uviedol Ramakrishnan.

"Bude vzrušujúce sledovať mnoho spôsobov, ako zásadne zmení biologický výskum.".

Detonic