DeepMind onthult de structuur van 200 miljoen eiwitten in een wetenschappelijke sprong voorwaarts | diepe geest

Kunstmatige intelligentie heeft de structuur van bijna elk eiwit dat de wetenschap kent opgelost, waardoor de weg is vrijgemaakt voor de ontwikkeling van nieuwe medicijnen of technologieën om wereldwijde uitdagingen zoals honger of vervuiling aan te pakken.

Eiwitten zijn de bouwstenen van het leven. Het bestaat uit ketens van aminozuren, gevouwen tot complexe vormen, waarvan de driedimensionale structuur grotendeels de functie bepaalt. Als je eenmaal weet hoe een eiwit vouwt, kun je beginnen te begrijpen hoe het werkt en hoe je zijn gedrag kunt veranderen. Hoewel DNA de instructies geeft voor het maken van een keten van aminozuren, was het moeilijker te voorspellen hoe ze zullen interageren om een ​​driedimensionale vorm te vormen, en tot voor kort hadden wetenschappers slechts een fractie ontcijferd van de ongeveer 200 m2 aan eiwitten waarvan bekend is dat ze wetenschap.

In november 2020 heeft de Artificial Intelligence Group diepe geest Het kondigde aan dat het een programma had ontwikkeld met de naam AlphaFold dat deze informatie snel kon voorspellen met behulp van een algoritme. Sindsdien verplettert hij de genetische codes van elk organisme waarvan het genoom is gesequenced, en voorspelt hij de structuren van de honderden miljoenen eiwitten die ze samen bevatten.

Vorig jaar publiceerde DeepMind de eiwitstructuren van twintig soorten – waaronder: Ongeveer 20.000 eiwitten worden door mensen tot expressie gebracht – Open Database. Nu heeft hij de klus geklaard door de voorspelde structuren van meer dan 200 miljoen eiwitten vrij te geven.

“In wezen kun je zien dat het de hele eiwitwereld bestrijkt”, zegt Demis Hassabis, oprichter en CEO van DeepMind en DeepMind.

Wetenschappers gebruiken al enkele van zijn eerdere voorspellingen om nieuwe medicijnen te ontwikkelen. In mei hebben onderzoekers onder leiding van professor Matthew Higgins van de Universiteit van Oxford aankondigen Ze gebruikten AlphaFold-modellen om de structuur van een belangrijk malariaparasiet-eiwit te helpen bepalen, en om erachter te komen waar antilichamen die de overdracht van de parasiet zouden kunnen voorkomen, zich waarschijnlijk zullen binden.

“Vroeger gebruikten we een techniek genaamd eiwitkristallografie om te zien hoe dit molecuul eruit zag, maar omdat het zo dynamisch en bewegend is, konden we het niet aan,” zei Higgins. “Toen we de AlphaFold-modellen namen en ze combineerden met dit experimentele bewijs, was het ineens allemaal logisch. Dit inzicht zal nu worden gebruikt om verbeterde vaccins te ontwerpen die antilichamen induceren die effectiever zijn in het voorkomen van overdracht.”

AlphaFold-modellen worden ook gebruikt door wetenschappers van het Centre for Enzyme Innovation van de Universiteit van Portsmouth om enzymen uit de natuurlijke wereld te identificeren die kunnen worden aangepast om plastic te verteren en te recyclen. Professor John McGeehan, die het werk leidt, zei. “Er is een complete paradigmaverschuiving aan de gang. We kunnen vanaf hier echt versnellen waar we naartoe gaan – en dat helpt ons deze kostbare middelen te richten op de dingen die er toe doen.”

Professor Dame Janet Thornton, groepsleider en hoofdwetenschapper bij European Molecular biologie European Institute of Laboratory Bioinformatics zei: “AlphaFold-voorspellingen voor de eiwitstructuur worden al op talloze manieren gebruikt. Ik verwacht dat deze laatste update de komende maanden en jaren zal leiden tot een stortvloed aan opwindende nieuwe ontdekkingen, allemaal dankzij het feit dat de gegevens voor iedereen beschikbaar.”