DeepMind розшифрував структуру понад 200 млн білків

Штучний інтелект розшифрував структуру практично кожного відомого науці білка. Це дає можливість розробки нових ліків або технологій для вирішення глобальних проблем, таких як голод чи забруднення, пише Guardian.

Білки є будівельним матеріалом життя. Вони утворені з ланцюгів амінокислот, складених у складні форми, а їх тривимірна структура значною мірою визначає їхню функцію. Розуміння структури кожного білка, дає можливість зрозуміти принцип його роботи та можливість змінити його поведінку. 

Це знання часто є життєво важливою частиною боротьби з хворобами. Наприклад, бактерії стійкі до антибіотиків, експресуючи певні білки. Якщо вчені зможуть зрозуміти, як ці білки працюють, вони зможуть розпочати боротьбу зі стійкістю до антибіотиків. Донедавна вчені розшифрували лише частину з 200 мільйонів білків, відомих науці.

У листопаді 2020 року група  DeepMind оголосила, що розробила програму під назвою AlphaFold, яка може швидко передбачити цю інформацію за допомогою алгоритму. Відтоді цей алгоритм досліджував генетичні коди кожного організму, геном якого секвенували, і передбачав структуру сотень мільйонів білків, які вони разом містять.

Торік DeepMind опублікував у відкритій базі даних структуру білків для 20 видів, включаючи майже всі 20 000 білків, які виробляються людьми. Тепер він завершив роботу та опублікував прогнозовані структури для понад 200 мільйонів білків.

«По суті, можна говорити, що це охоплює весь білковий всесвіт. Вона включає в себе передбачувані структури для рослин, бактерій, тварин і багатьох інших організмів, що відкриває величезні нові можливості для AlphaFold впливати на важливі проблеми, такі як сталість, відсутність продовольчої безпеки та хвороби», — пояснив, засновник і головний виконавчий директор DeepMind Деміс Хассабіс.

Вчені вже використовують деякі з попередніх прогнозів, щоб допомогти розробити нові ліки. У травні дослідники під керівництвом професора Метью Хіггінса з Оксфордського університету оголосили, що вони використали моделі AlphaFold, для визначення структури ключового білка паразита малярії та з’ясування, де можуть зв’язуватися антитіла, котрі здатні блокувати передачу паразита.

«Раніше ми використовували техніку під назвою білкова кристалографія, щоб визначити, як виглядає ця молекула, але оскільки вона досить динамічна і рухається, ми просто не могли з нею впоратися», — розповів Хіггінс.

«Коли ми взяли моделі AlphaFold і об’єднали їх із цими експериментальними доказами, раптом усе набуло сенсу. Тепер це розуміння буде використане для розробки вдосконалених вакцин, які індукують найпотужніші антитіла, що блокують передачу», — додав він.

Моделі AlphaFold також використовуються вченими Центру ферментних інновацій Університету Портсмута, щоб ідентифікувати ферменти з природного світу, які можна налаштувати для утилізації та переробки пластику. 

«Нам знадобилося досить багато часу, щоб переглянути цю величезну базу даних структур, але ми відкрили цілу низку нових тривимірних форм, яких ми ніколи раніше не бачили, і які могли б справді руйнувати пластик», — говорить професор Джон МакГіхан. 

«Відбулася повна зміна парадигми. Ми дійсно можемо пришвидшити свої розробки і це допоможе нам спрямувати ці дорогоцінні ресурси на те, що дійсно має значення», — додає він.

Керівник групи та старший науковий співробітник Європейського інституту біоінформатики Європейської лабораторії молекулярної біології професор Дам Джанет Торнтон також говорить, що передбачення структури білка AlphaFold уже використовується безліччю способів. 

«Я очікую, що це останнє оновлення спровокує лавину нових і захоплюючих відкриттів у наступні місяці та роки, і все це завдяки тому факту, що дані доступні і відкриті для всіх», — тішиться вона.

ВАС ЗАЦІКАВИТЬ

Пентагон уже використовує дані про війну в Україні для навчання штучного інтелекту

Як повідомлялось, компанія DeepMind заявила про створення штучного інтелекту AlphaCode, який «пише комп'ютерні програми на конкурентному рівні».

Торік вчені з Литви навчили штучний інтелект виявляти зміни в мозку, які передують розвитку хвороби Альцгеймера, з точністю в 99%. Алгоритм справляється з цим завданням набагато краще і точніше, ніж існуючі методи діагностики.

Цього року вчені з Офтальмологічного центру Університету імені Сунь Ятсена використали штучний інтелект для розробки моделей прогнозування виникнення та прогресування глаукоми.