AlphaFold generuje 3D vykreslování proteinového vesmíru

Předpovědi 3D struktur téměř všech indexovaných proteinů známých vědě na základě umělé inteligence provedly DeepMind a Evropský institut bioinformatiky EMBL (EMBL-EBI). katalog Volně a veřejně dostupné vědecké komunitě prostřednictvím databáze AlphaFold Protein Structure Database.

Obě organizace doufají, že rozšířená databáze bude i nadále zvyšovat naše chápání biologie a pomáhat nespočtu vědců v jejich práci, když se snaží čelit globálním výzvám.

Tento významný úspěch naznačuje, že databáze byla rozšířena téměř 200krát. Rozrostla se z téměř milionu proteinových struktur na více než 200 milionů a nyní pokrývá téměř každý organismus na Zemi, jehož genom byl sekvenován. V rozšířené databázi jsou nyní zahrnuty předpokládané struktury pro širokou škálu druhů, včetně rostlin, bakterií, zvířat a dalších organismů. To otevírá nové cesty pro výzkum napříč vědami o živé přírodě, který bude mít dopad na globální výzvy, včetně udržitelnosti, nedostatku potravin a opomíjených nemocí.

Nyní bude předpokládaná struktura prakticky dostupná pro všechny proteinové řetězce UniProt Proteinová databáze. Tato verze také otevře nové cesty výzkumu, včetně podpory bioinformatiky a výpočetní práce tím, že umožní vědcům identifikovat vzory a trendy v databázi.

„AlphaFold nyní poskytuje 3D pohled na proteinový vesmír,“ řekla Edith Heard, generální ředitelka EMBL. „Oblíbenost a růst databáze AlphaFold je důkazem úspěšné spolupráce mezi DeepMind a EMBL. Ukazuje nám pohled na sílu interdisciplinární vědy.“

„Jsme ohromeni rychlostí, s jakou se AlphaFold již stal nezbytným nástrojem pro stovky tisíc vědců v laboratořích a univerzitách po celém světě,“ řekl Demis Hassabis, zakladatel a generální ředitel společnosti DeepMind. „Od boje s nemocemi po řešení plastového znečištění, AlphaFold již neuvěřitelně ovlivnil některé z největších globálních výzev, kterým čelíme. Doufáme, že tato rozšířená databáze pomůže nespočtu vědců v jejich důležité práci a otevře zcela nové hranice vědeckého objevování.“

Q8W3K0: Potenciální protein odolnosti rostlin vůči chorobám. Kredit: AlphaFold

Nezbytný nástroj pro vědce

DeepMind a EMBL-EBI Spuštěno Databáze AlphaFold v červenci 2021. V té době obsahovala více než 350 000 předpovědí struktury proteinů, včetně celého lidského proteinu. Následné aktualizace přinesly přidání UniProtKB/SwissProt a 27 nových proteinů, z nichž 17 představuje přetrvávající opomíjené tropické choroby. zničit životy více než miliardy lidí na celém světě.

Databázi citovalo přes 1 000 vědeckých prací a více než 500 000 výzkumníků z více než 190 zemí získalo přístup k databázi AlphaFold, aby si mohli prohlédnout více než dva miliony struktur za něco málo přes jeden rok.

Tým také viděl, že výzkumníci staví na AlphaFold, aby vytvářeli a přizpůsobovali nástroje jako Foldsec A dali To umožňuje uživatelům vyhledávat záznamy podobné konkrétnímu proteinu. Jiní přijali základní myšlenky strojového učení za AlphaFold, aby vytvořili páteř seznamu nových algoritmů v tomto prostoru nebo je aplikovali na oblasti, jako je Predikce struktury RNA nebo Vyvíjet nové modely pro návrh proteinů.

Dopad a budoucnost AlphaFold a databáze

AlphaFold také prokázal dopad v oblastech, jako je zlepšení naší schopnosti Boj proti plastovému znečištěnízískat vhled Parkinsonova chorobaa více zdraví včely medonosnéPochopení Jak se tvoří led?k léčbě opomíjené nemoci Jako je Chagasova choroba, leishmanióza a průzkum evoluce lidstva.

„Vydali jsme AlphaFold v naději, že se ostatní týmy mohou poučit z pokroku, kterého jsme dosáhli, a stavět na něm, a bylo vzrušující vidět, jak se to děje tak rychle. Do této oblasti nyní vstupuje několik dalších organizací zabývajících se výzkumem umělé inteligence a staví na pokroku dosaženém společností AlphaFold. Toto je skutečně nová éra ve strukturální biologii a metody založené na umělé inteligenci povedou k úžasným pokrokům, řekl John Jumper, Research Scientist a AlphaFold Lead společnosti DeepMind.

„AlphaFold vyslal vlnu napříč komunitou molekulární biologie. Jen za poslední rok vzniklo přes tisíc vědeckých článků na širokou škálu výzkumných témat využívajících struktury AlphaFold; Samir Vilankar, vedoucí týmu v EMBL-EBI Protein Data Bank v Evropa, řekla: „Nikdy jsem nic takového neviděl.“ A to je jen účinek milionu předpovědí; představte si účinek více než 200 milionů veřejně dostupných předpovědí struktury proteinů v databázi AlphaFold.“

DeepMind a EMBL-EBI budou pokračovat v pravidelné aktualizaci databáze s cílem zlepšovat funkce a funkce v reakci na zpětnou vazbu od uživatelů. Přístup ke strukturám zůstane plně otevřený pod licencí CC-BY 4.0 a hromadné stahování bude zpřístupněno prostřednictvím Veřejné datové sady Google Cloud.