DeepMind AI AlphaFold rezolvă marea provocare de 50 de ani a predicției structurii proteinelor

Două exemple de ținte proteice în categoria modelării gratuite. AlphaFold prezice structuri extrem de precise, comparate cu rezultatele experimentale. Credit: DeepMind

DeepMind dezvoltă o soluție AI la provocarea proteinei veche de 50 de ani, creând potențialul de a accelera cercetarea biologică.

Într-o descoperire științifică majoră, cea mai recentă versiune a sistemului AI DeepMind, AlphaFold, a fost recunoscută ca o soluție la provocarea majoră de 50 de ani a predicției structurii proteinelor, adesea denumită „problema plierii proteinelor”, conform unor reguli independente riguroase. . evaluare. Această dezvoltare inovatoare ar putea accelera semnificativ cercetarea biologică pe termen lung, deblocând noi posibilități pentru înțelegerea bolilor și descoperirea medicamentelor printre alte domenii.

Astăzi, rezultatele CASP14 arată că cel mai recent sistem AlphaFold de la DeepMind atinge niveluri fără precedent de precizie în predicția structurii. Sistemul este capabil să determine structuri extrem de precise în câteva zile. CASP, Evaluarea critică a predicției structurii proteinelor, este o evaluare bienală bazată pe comunitate începută în 1994 și standardul de aur pentru evaluarea tehnicilor predictive. Participanții trebuie să prezică orbește structura unei structuri proteice care doar recent – sau în unele cazuri încă nu a fost determinată – a fost experimentală și să aștepte ca predicțiile lor să fie comparate cu datele experimentale.

CASP utilizează metrica „Global Distance Test (GDT)” pentru a evalua acuratețea, variind de la 0 la 100. Noul sistem AlphaFold atinge un scor mediu de 92,4 GDT pentru toate țintele. Eroarea medie a sistemului este de aproximativ 1,6 Angstrom – aproximativ lățimea unui atom. Potrivit profesorului John Moult, cofondator și președinte al CASP, un scor de aproximativ 90 GDT este considerat informal a fi competitiv cu rezultatele obținute din metodele experimentale.

Profesorul John Moult, cofondator și președinte al CASP, Universitatea din Maryland, a spus:

„Suntem blocați pe această problemă – cum se pliază proteinele – de aproape 50 de ani. A vedea că DeepMind produce o soluție pentru acest lucru, după ce am lucrat personal la această problemă atât de mult timp și după atâtea opriri și am început să mă întreb dacă vom ajunge vreodată acolo, este un moment foarte special. ”

De ce este importantă predicția structurii proteinelor

Proteinele sunt esențiale pentru viață și formele și funcțiile lor sunt strâns legate. Abilitatea de a prezice cu precizie structurile proteice permite o mai bună înțelegere a ceea ce fac și a modului în care funcționează. În prezent, există peste 200 de milioane de proteine ​​în baza de date principală și doar o mică parte din structurile lor 3D sunt cartografiate.

O provocare majoră este numărul astronomic al modurilor în care o proteină s-ar putea plia teoretic înainte de a se stabili în structura sa finală 3D. Multe dintre cele mai mari provocări cu care se confruntă societatea, cum ar fi dezvoltarea de tratamente pentru boli sau găsirea enzimelor care descompun deșeurile industriale, sunt fundamental legate de proteine ​​și de rolul pe care îl joacă . Determinarea formelor și funcțiilor proteinelor este un domeniu major al cercetării științifice, utilizând în primul rând tehnici experimentale care pot necesita ani de muncă atentă și consumatoare de timp pe structură și necesită utilizarea unor echipamente specializate în valoare de milioane de dolari.

Abordarea DeepMind a problemei de pliere a proteinelor

Această dezvoltare inovatoare se bazează pe prima intrare a lui DeepMind la CASP13 în 2018, unde versiunea inițială a AlphaFold a atins cel mai înalt nivel de precizie în rândul tuturor participanților. Acum, DeepMind a dezvoltat o nouă arhitectură de învățare profundă pentru CASP14, inspirându-se din domeniile biologiei, fizicii și învățării automate, precum și din munca multor oameni de știință din domeniul plierii proteinelor în ultima jumătate de secol.

Proteina pliată poate fi considerată ca un „grafic spațial”, în care reziduurile sunt noduri, iar marginile leagă strâns reziduurile. Acest grafic este important pentru înțelegerea interacțiunilor fizice din cadrul proteinelor, precum și a istoriei lor evolutive. Pentru cea mai recentă versiune a AlphaFold utilizată în CASP14, DeepMind a creat un sistem de rețea neuronală antrenat de la cap la cap, bazat pe atenție, care caută să interpreteze structura acestui grafic, în timp ce argumentează asupra graficului implicit se construiește. Folosește secvențe legate de evoluție, alinierea secvenței multiple (MSA) și reprezentarea amino acid perechi de reziduuri pentru a rafina acest grafic.

Prin repetarea acestui proces, sistemul dezvoltă predicții puternice ale structurii fizice subiacente a proteinei. În plus, AlphaFold poate prezice în mod fiabil ce părți ale fiecărei structuri proteice prezise folosind o măsură internă de încredere.

Sistemul a fost instruit pe date disponibile publicului, incluzând ~ 170.000 de structuri proteice din banca de date proteică, folosind o cantitate considerabilă de calcul la standardele moderne de învățare automată – aproximativ 128 nuclee TPUv3 (echivalentul aproximativ la 100-200 GPU) rulează în câteva săptămâni.

Potențial de impact în lumea reală

DeepMind este încântat să colaboreze cu alții pentru a afla mai multe despre potențialul AlphaFold, iar echipa AlphaFold analizează modul în care predicțiile structurii proteinelor ar putea contribui la înțelegerea unor boli cu câteva grupuri de experți.

Există, de asemenea, indicații că predicția structurii proteinelor poate fi utilă în viitoarele eforturi de răspuns la pandemie, ca unul dintre multele instrumente dezvoltate de comunitatea științifică. La începutul acestui an, DeepMind a prezis mai multe structuri proteice în SARS-CoV-2 Virusul și munca extrem de rapidă a experimentaliștilor au confirmat acum că AlphaFold a obținut un grad ridicat de precizie în ceea ce privește predicțiile sale.

AlphaFold este una dintre cele mai semnificative evoluții DeepMind până în prezent. Dar, ca și în cazul tuturor cercetărilor științifice, mai sunt multe de făcut, inclusiv aflarea modului în care mai multe proteine ​​formează complexe, a modului în care interacționează cu acestea ADN, ARN, sau molecule mici și cum se determină locația exactă a tuturor lanțurilor laterale de aminoacizi.

La fel ca sistemul său anterior AlphaFold CASP13, DeepMind intenționează să trimită o lucrare care să detalieze funcționarea acestui sistem către un jurnal evaluat de colegi în timp util, explorând în același timp modul în care cel mai bine să ofere un acces mai larg la sistem într-un mod scalabil.

AlphaFold este revoluționar în demonstrarea potențialului uimitor pentru IA ca instrument care ajută la descoperirea științifică de bază. DeepMind așteaptă cu nerăbdare să colaboreze cu alții pentru a debloca acest potențial.

Declarații ale oamenilor de știință independenți:

Profesorul Venki Ramakrishnan, laureat al premiului Nobel, autor și președinte al Societății Regale
„Această lucrare de calcul reprezintă un progres remarcabil în problema plierii proteinelor, o provocare majoră de 50 de ani în biologie. S-a întâmplat cu zeci de ani înainte ca mulți oameni din domeniu să fi prezis. Va fi interesant să vedem numeroasele moduri în care va schimba fundamental cercetarea biologică. ”

Profesorul Dame Janet Thornton, director emerit și om de știință principal, EMBL-EBI
„Ceea ce a realizat echipa DeepMind este fantastic și va schimba viitorul biologiei structurale și al cercetării proteinelor. După decenii de studiu de proteine, moleculele care asigură structura și funcțiile tuturor viețuitoarelor, m-am trezit în această dimineață simțind că s-au făcut progrese. “

Arthur D. Levinson, dr., Fondator și CEO al Calico, fost președinte și CEO, Genentech
„AlphaFold este o dezvoltare o dată la generație, care prezice structurile proteice cu viteză și precizie incredibile. Acest pas înainte arată cum metodele de calcul sunt gata să transforme cercetarea în biologie și multe promisiuni pentru accelerarea procesului de descoperire a medicamentelor. ”

Profesorul Andrei Lupas, director, Institutul de biologie a dezvoltării Max Planck
„Modelele remarcabil de precise ale AlphaFold ne-au permis să dezlegăm structura unei proteine ​​pe care ne-am blocat de aproape un deceniu, relansând efortul nostru de a înțelege modul în care semnalele sunt transmise prin membranele celulare.”

Profesorul Ewan Birney, director general adjunct al EMBL, director al EMBL-EBI
„Aproape că am căzut de pe scaun când am văzut aceste rezultate. Știu cât de amănunțit este CASP – asigură practic că modelarea computațională trebuie să îndeplinească sarcina provocatoare a plicării proteinelor ab-initio. A fost umilitor să văd că aceste modele pot face acest lucru corect. Vor fi multe aspecte de înțeles, dar aceasta este o descoperire imensă pentru știință. ”

Lansări din DeepMind / Alphabet:

Demis Hassabis, dr., Fondator și CEO, DeepMind
„Viziunea finală din spatele DeepMind a fost întotdeauna să construim AI și apoi să o folosim pentru a ne ajuta să ne îmbunătățim cunoștințele despre lumea din jurul nostru prin accelerarea descoperirii științifice. Pentru noi AlphaFold reprezintă primul punct de testare pentru teza respectivă. Acest progres este prima noastră descoperire majoră într-o provocare majoră de lungă durată în domeniul științei, care sperăm că va avea un impact real în lumea reală asupra înțelegerii bolilor și descoperirii medicamentelor. ”

Pushmeet Kohli, dr., Șef AI pentru știință, DeepMind
„Aceste rezultate incredibile sunt o dovadă a filozofiei unice a cercetării DeepMind – reunind echipe multidisciplinare axate pe misiune pentru a viza obiective științifice ambițioase. Evaluările critice precum CASP sunt importante în stimularea progresului cercetării și așteptăm cu nerăbdare să ne bazăm pe această lucrare, să aprofundăm înțelegerea proteinelor și mecanismelor biologice și să deschidem noi căi de explorare. “

John Jumper, dr., Lider AlphaFold, DeepMind
„Biologia proteinelor este extrem de complexă și provoacă caracterizarea simplă. Munca echipei noastre arată că tehnicile de învățare automată pot întâlni în cele din urmă complexitatea descrierii acestor uimitoare mașini proteice și suntem cu adevărat încântați să vedem ce vor aduce noi dezvoltări în sănătatea umană și în biologia de bază. “

Kathryn Tunyasuvunakool, dr., Inginer științific, DeepMind
„Capacitatea de a prezice structuri proteice de înaltă precizie cu AI ar putea schimba modul în care abordăm biologia, cu potențiale aplicații în proiectarea și bio-recuperarea medicamentelor. În special pentru proteinele provocatoare din punct de vedere experimental, tehnicile predictive bune ar putea face o mare diferență. ”

Sundar Pichai, CEO, Google și Alphabet
„Aceasta este o dezvoltare incredibilă alimentată de AI în plierea proteinelor, care ne va ajuta să înțelegem mai bine unul dintre cele mai fundamentale elemente ale vieții. Acest uriaș salt înainte de la DeepMind are implicații practice imediate, permițând cercetătorilor să abordeze probleme noi și dificile, de la un răspuns pandemic viitor la sustenabilitatea mediului. ”

Citiți Soluția AI DeepMind pentru provocarea științei de 50 de ani ar putea „revoluționa cercetarea medicală” pentru mai multe informații despre acest subiect.

Despre DeepMind

DeepMind este o echipă multidisciplinară de oameni de știință, ingineri, experți în învățare automată și multe altele, care lucrează împreună pentru a cerceta și a construi sisteme AI sigure care predau rezolvarea problemelor și avansează descoperirea științifică pentru toți.

Cel mai cunoscut pentru dezvoltarea AlphaGo, primul program care a învins un campion mondial în jocul complex Go, DeepMind a publicat peste 1000 de lucrări de cercetare – inclusiv peste o duzină în Natură și Știință – și a obținut rezultate inovatoare în multe domenii ale AI. provocatoare de la StarCraft II la plierea proteinelor.

DeepMind a fost fondată la Londra în 2010 și s-a alăturat companiei Google în 2014 pentru a-și accelera activitatea. De atunci, comunitatea sa s-a extins pentru a include echipe din Alberta, Montreal, Paris și Mountain View din California.

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Oamenii de știință dezvăluie cheia creșterii musculare adecvate

Analiza imunofluorescenței unui grup de celule stem proliferante asociate cu fibre musculare (gri). Celulele stem produc Dll1 (roșu) și MyoD (verde). Două...

ExoMars Orbiter surprinde fermitatea la locul de aterizare al craterului Mars Jezero

ESA-Roscosmos Trace Gas Orbiter a observat vehiculul NASA Perseverance Mars 2020, împreună cu o parașută și o carapace spate, un scut termic și o...

Reglarea cuantică în grafen avansează era comunicațiilor fără fir Terahertz de mare viteză

Tunelare cuantică. Credit: Daria Sokol / Biroul de presă MIPT Oamenii de știință de la MIPT, Universitatea Pedagogică de Stat din Moscova și Universitatea...

Un model agresiv bazat pe piață pentru dezvoltarea energiei de cuplare

Conceptul ARC Fusion Pilot Plant a fost dezvoltat la MIT ca o demonstrație a potențialului magneților supraconductori de temperatură înaltă de a reduce costurile...

Sug este mai important în cercetare decât potrivirea corectă a măștilor de față COVID

O echipă de cercetători care studiază eficacitatea diferitelor tipuri de măști de față a constatat că este cea mai bună protecție împotriva acesteia COVID-19,...

Newsletter

Subscribe to stay updated.