DeepMind ساختار پروتئین های 200 متری را در یک جهش علمی به جلو آشکار می کند | DeepMind

هوش مصنوعی ساختار تقریباً هر پروتئین شناخته شده برای علم را رمزگشایی کرده است و راه را برای توسعه داروها یا فناوری های جدید برای مقابله با چالش های جهانی مانند قحطی یا آلودگی هموار می کند.

پروتئین ها اجزای سازنده زندگی هستند. ساختار سه بعدی آنها که از زنجیره اسیدهای آمینه تشکیل شده و به اشکال پیچیده تا شده اند، تا حد زیادی عملکرد آنها را تعیین می کند. هنگامی که بدانید یک پروتئین چگونه تا می شود، می توانید شروع به درک نحوه عملکرد آن و نحوه تغییر رفتار آن کنید. اگرچه DNA دستورالعمل‌هایی را برای ساخت زنجیره اسیدهای آمینه ارائه می‌کند، اما پیش‌بینی نحوه تعامل آنها برای تشکیل یک شکل سه‌بعدی دشوارتر بود و تا همین اواخر، دانشمندان تنها کسری از 200 متر یا بیشتر پروتئین‌های شناخته شده برای علم را رمزگشایی کرده بودند.

در نوامبر 2020، گروه هوش مصنوعی DeepMind اعلام کرد که برنامه ای به نام AlphaFold توسعه داده است که می تواند به سرعت این اطلاعات را با استفاده از یک الگوریتم پیش بینی کند. از آن زمان، کدهای ژنتیکی هر موجود زنده‌ای که توالی ژنوم آن‌ها تعیین شده است را بررسی می‌کند و ساختار صدها میلیون پروتئینی را که در مجموع حاوی آنها هستند، پیش‌بینی می‌کند.

سال گذشته، DeepMind ساختارهای پروتئینی 20 گونه – از جمله تقریباً تمام 20000 پروتئین بیان شده توسط انسان – را در یک پایگاه داده باز منتشر کرد. اکنون کار را به پایان رسانده است و ساختارهای پیش بینی شده برای بیش از 200 میلیون پروتئین را منتشر کرده است.

اساساً، شما می توانید آن را به عنوان پوشش کل جهان پروتئین در نظر بگیرید. این شامل ساختارهای پیش بینی برای گیاهان، باکتری ها، حیوانات و بسیاری از ارگانیسم های دیگر است، که فرصت های جدیدی را برای AlphaFold ایجاد می کند تا بر مسائل مهمی مانند پایداری، ناامنی غذایی، و بیماری های نادیده گرفته شده تأثیر بگذارد. مدیر اجرایی.

دانشمندان در حال حاضر از برخی از پیش بینی های قبلی آن برای کمک به توسعه داروهای جدید استفاده می کنند. در ماه مه، محققان به سرپرستی پروفسور متیو هیگینز در دانشگاه آکسفورد اعلام کردند که از مدل‌های AlphaFold برای کمک به تعیین ساختار پروتئین انگل اصلی مالاریا و بررسی محل اتصال آنتی‌بادی‌هایی که می‌توانند از انتقال انگل جلوگیری کنند، استفاده کرده‌اند.

هیگینز می‌گوید: «پیش از این، ما از تکنیکی به نام کریستالوگرافی پروتئین برای بررسی ظاهر این مولکول استفاده می‌کردیم، اما چون کاملاً پویا است و در اطراف حرکت می‌کند، نمی‌توانستیم با آن مقابله کنیم. زمانی که مدل های آلفا فولد را گرفتیم و آنها را با این شواهد تجربی ترکیب کردیم، ناگهان همه چیز منطقی شد. این بینش اکنون برای طراحی واکسن‌های بهبودیافته که قوی‌ترین آنتی‌بادی‌های مسدودکننده انتقال را القا می‌کنند، استفاده خواهد شد.»

مدل‌های AlphaFold همچنین توسط دانشمندان مرکز نوآوری آنزیمی دانشگاه پورتسموث برای شناسایی آنزیم‌هایی از دنیای طبیعی که می‌توانند برای هضم و بازیافت پلاستیک‌ها بهینه شوند، استفاده می‌شوند. پروفسور جان مک گیهان، سرپرست تیم، می‌گوید: «زمان زیادی طول کشید تا این پایگاه داده عظیم ساختارها را مرور کنیم، اما مجموعه‌ای از اشکال سه‌بعدی جدیدی را که قبلاً هرگز ندیده بودیم، باز کردیم که واقعاً می‌توانند پلاستیک‌ها را تجزیه کنند.» کار. یک تغییر پارادایم کامل وجود دارد. ما واقعاً می‌توانیم به جایی که از اینجا می‌رویم تسریع کنیم – و این به ما کمک می‌کند این منابع گرانبها را به سمت چیزهای مهم هدایت کنیم.»

پروفسور دام جانت تورنتون، رهبر گروه و دانشمند ارشد در موسسه بیوانفورماتیک اروپایی آزمایشگاه بیولوژی مولکولی اروپا، گفت: «پیش‌بینی ساختار پروتئین آلفا فولد در حال حاضر به روش‌های بی‌شماری مورد استفاده قرار می‌گیرد. من انتظار دارم که این آخرین به روز رسانی باعث ایجاد بهمنی از اکتشافات جدید و هیجان انگیز در ماه ها و سال های آینده شود، و این همه به لطف این واقعیت است که داده ها به طور آشکار برای استفاده همه در دسترس هستند.