DeepMind svela la struttura di 200 milioni di proteine ​​in un balzo in avanti scientifico | mente profonda

L’intelligenza artificiale ha risolto la struttura di quasi tutte le proteine ​​conosciute dalla scienza, aprendo la strada allo sviluppo di nuovi farmaci o tecnologie per affrontare sfide globali come la fame o l’inquinamento.

Le proteine ​​sono i mattoni della vita. È costituito da catene di amminoacidi, ripiegate in forme complesse, la cui struttura tridimensionale determina in gran parte la sua funzione. Una volta che sai come si piega una proteina, puoi iniziare a capire come funziona e come cambiarne il comportamento. Sebbene il DNA fornisca le istruzioni per creare una catena di aminoacidi, prevedere come interagiranno per formare una forma tridimensionale è stato più difficile e fino a poco tempo gli scienziati avevano decifrato solo una frazione dei 200 m circa di proteine ​​note per scienza.

A novembre 2020, il Gruppo di Intelligenza Artificiale mente profonda Ha annunciato di aver sviluppato un programma chiamato AlphaFold in grado di prevedere rapidamente queste informazioni utilizzando un algoritmo. Da allora, ha schiacciato i codici genetici di ogni organismo il cui genoma è stato sequenziato, predicendo le strutture delle centinaia di milioni di proteine ​​che contengono collettivamente.

L’anno scorso, DeepMind ha pubblicato le strutture proteiche di venti specie, tra cui Circa 20.000 proteine ​​sono espresse dall’uomo – Aprire Banca dati. Ora ha terminato il compito, rilasciando le strutture previste di oltre 200 milioni di proteine.

“In sostanza, puoi pensare che copra l’intero mondo delle proteine”, ha affermato Demis Hassabis, fondatore e CEO di DeepMind e DeepMind.

Gli scienziati stanno già utilizzando alcune delle sue precedenti previsioni per aiutare a sviluppare nuovi farmaci. A maggio, i ricercatori guidati dal professor Matthew Higgins all’Università di Oxford annunciare Hanno utilizzato i modelli AlphaFold per aiutare a determinare la struttura di una proteina chiave del parassita della malaria e capire dove è probabile che si leghino gli anticorpi che potrebbero impedire la trasmissione del parassita.

“In precedenza, usavamo una tecnica chiamata cristallografia proteica per vedere come appare questa molecola, ma poiché è così dinamica e in movimento, non potevamo gestirla”, ha detto Higgins. “Quando abbiamo preso i modelli AlphaFold e li abbiamo combinati con questa prova sperimentale, improvvisamente tutto ha avuto un senso. Questa intuizione verrà ora utilizzata per progettare vaccini migliorati che inducono anticorpi più efficaci nel prevenire la trasmissione”.

I modelli AlphaFold vengono utilizzati anche dagli scienziati del Center for Enzyme Innovation dell’Università di Portsmouth, per identificare gli enzimi del mondo naturale che possono essere modificati per digerire e riciclare la plastica. Il professor John McGeehan, che sta conducendo il lavoro, ha affermato. “C’è un cambio di paradigma completo. Possiamo davvero accelerare dove stiamo andando da qui e questo ci aiuta a indirizzare queste preziose risorse verso le cose che contano”.

Professor Dame Janet Thornton, Group Leader e Chief Scientist presso European Molecular biologia L’Istituto europeo di bioinformatica di laboratorio ha dichiarato: “Le previsioni della struttura della proteina AlphaFold sono già utilizzate in innumerevoli modi. Mi aspetto che questo ultimo aggiornamento porti a un torrente di nuove entusiasmanti scoperte nei prossimi mesi e anni, tutto grazie al fatto che i dati sono a disposizione di tutti”.