Искусственный интеллект был использован для предсказания структуры почти каждого белка, созданного человеческим организмом.
Разработка может помочь ускорить открытие новых лекарств для лечения заболеваний, наряду с другими приложениями.
Белки являются важнейшими строительными блоками живых организмов; каждая клетка, которая есть в нас, упакована ими.
Понимание белковых структур имеет решающее значение для развития медицины, но до сих пор была разработана лишь часть из них.
Исследователи использовали программу под названием AlphaFold, чтобы предсказать 350 000 белковых структур, принадлежащих людям и другим организмам.
Инструкции по созданию человеческих белков содержатся в наших геномах - ДНК, содержащейся в ядрах человеческих клеток.
В геноме человека экспрессируется около 20 000 таких белков. В совокупности биологи называют это полное дополнение "протеомом".
Комментируя результаты AlphaFold, д-р Демис Хассабис, исполнительный директор и соучредитель компании по искусственному интеллекту Deep Mind, сказал: "Мы считаем, что это самая полная и точная картина человеческого протеома на сегодняшний день.
"Мы считаем, что эта работа представляет собой наиболее значительный вклад ИИ в развитие состояния научных знаний на сегодняшний день.
"И я думаю, что это отличная иллюстрация и пример того, какую пользу ИИ может принести обществу." Он добавил: "Мы просто очень рады увидеть, что сообщество собирается с этим делать."
350 000 белковых структур, предсказанных Альфафолдом, включают не только 20 000 , содержащихся в протеоме человека, но и так называемые модельные организмы, используемые в научных исследованиях, такие как кишечная палочка, дрожжи, плодовая муха и мышь.
Этот гигантский скачок в возможностях описан исследователями DeepMind и командой из Европейской лаборатории молекулярной биологии (EMBL) в престижном журнале Nature.
АльфаФолд смог уверенно предсказать структурные положения 58% аминокислот (составляющих белков) в протеоме человека.
Позиции 35,7% были предсказаны с очень высокой степенью достоверности - вдвое больше числа, подтвержденного экспериментами.
Структурное расположение различных белков может быть разработано с использованием различных методов, включая рентгеновскую кристаллографию, криогенную электронную микроскопию (Крио-ЭМ) и другие. "Для создания структур требуется огромное количество денег и ресурсов", - сказал Би-би-си профессор Джон Макгихан, структурный биолог из Университета Портсмута.
Поэтому сложные трехмерные структуры часто определяются в рамках целенаправленных научных исследований, но ни один проект до сих пор не имел систематически определенных структур для всех белков, производимых организмом.
На самом деле только 17% протеома покрыто структурой, подтвержденной экспериментально.
Комментируя прогнозы AlphaFold, профессор МакГихан сказал: "Это просто скорость - тот факт, что на каждую структуру у нас уходило по шесть месяцев, а теперь это занимает пару минут. Мы не могли предвидеть, что это произойдет так быстро."
"Когда мы впервые отправили наши семь последовательностей в команду DeepMind, две из них у нас уже были экспериментальные структуры. Так что мы смогли проверить их, когда они вернулись. Это был один из тех моментов - честно говоря, - когда волосы встали дыбом у меня на затылке, потому что структуры [AlphaFold] были идентичны."
Профессор Эдит Херд из EMBL сказала: "Это будет трансформирующим для нашего понимания того, как устроена жизнь. Это потому, что белки представляют собой фундаментальные строительные блоки, из которых состоят живые организмы."
- Их применение ограничено только нашим пониманием."
Те области применения, которые мы можем себе представить сейчас, включают разработку новых лекарств и методов лечения болезней, разработку будущих культур, способных противостоять изменению климата, или ферментов, способных разрушать пластик, проникающий в окружающую среду.
Группа профессора Макгихана уже использует данные AlphaFold, чтобы помочь разработать более быстрые ферменты для деградации пластика. Он сказал, что программа предоставила прогнозы для белков, представляющих интерес, структуры которых не могут быть определены экспериментально, помогая ускорить их проект на "несколько лет".
Д-р Эван Бирни, директор Европейского института биоинформатики EMBL, сказал, что предсказанные структуры AlphaFold были "одним из самых важных наборов данных со времен картирования генома человека".
DeepMind объединилась с EMBL, чтобы сделать альфа-код и предсказания структуры белка открытыми для мирового научного сообщества.
Доктор Хассабис сказал, что DeepMind планирует значительно расширить охват в базе данных почти каждого секвенированного белка, известного науке - более 100 миллионов структур.
Ставьте лайки и подписывайтесь на канал чтобы не пропустить самое интересное.