"Mašinų mokymasis pakeis mūsų supratimą apie baltymų lankstymąsi. Ir labai svarbu, kad visi duomenys būtų atviri. Mašinų mokymosi programa „AlphaFold“ gali nuspėti visų baltymų grandinių 3D struktūras, įskaitant 98% žmogaus baltymų.
"Aš nemaniau, kad mes pasieksime šį tašką, man gyvam esant". Štai kaip vienas struktūrinės biologijos tyrimų vadovas reagavo į praėjusią savaitę paskelbtą tyrimą, kuriame dirbtinis intelektas (DI) buvo naudojamas, numatant daugiau nei 20 000 žmogaus baltymų, taip pat beveik visų žinomų baltymų, kuriuos gamina 20 pavyzdinių organizmų, struktūrą. (Pavyzdiniai organizmai, tokie kaip Escherichia coli, vaisinės muselės ir mielės, bet taip pat sojos pupelės ir Azijos ryžiai.) Tai yra iš viso apie 365 000 prognozių.
Pirmą kartą viešai prieinamus duomenis (žr. https://alphafold.ebi.ac.uk) liepos 22 d. internete paskelbė Londono „DeepMind“ dirbtinio intelekto kompanijos, priklausančios „Google“ patronuojančiai bendrovei „Alphabet“, tyrėjai ir Europos bioinformatikos institutas, įsikūręs Europos molekulinės biologijos laboratorijoje (EBI-EMBL) netoli Kembridžo, JK.
„DeepMind“ dirbtinis intelektas numato didžiulio baltymų skaičiaus struktūras „DeepMind“ komanda sukūrė mašininio mokymosi įrankį pavadinimu „AlphaFold“. Komanda mokė šią programą apie DNR sekas, įskaitant jų evoliucijos istoriją, ir jau žinomas dešimčių tūkstančių baltymų formas, esančias viešai prieinamoje baltymų duomenų bazėje, kurią talpina EBI-EMBL tyrėjai.
Savaite anksčiau „DeepMind“ taip pat išleido „AlphaFold“ šaltinio kodą ir išsamiai aprašė, kaip jis buvo sukurtas, tuo pačiu metu Vašingtono universiteto Sietle mokslininkai paskelbė išsamią informaciją apie kitą baltymų struktūros prognozavimo programą, įkvėptą „AlphaFold“, pavadintą „RoseTTAFold3“.
Pasak Tunyasuvunakool, 58% žmogaus proteomo prognozių dėl atskirų aminorūgščių vietos buvo pakankamai geros, kad būtų galima įsitikinti baltymo erdvine forma. Šių prognozių pogrupis - 36% visų - yra potencialiai pakankamai tikslus, kad būtų išsamiai aprašytos vaistų projektavimui naudingos atominės savybės, pvz., aktyvus fermento centras.
Šio prognozuojamų struktūrų katalogo pristatymas nebūtų tokia gera žinia, jei duomenys ir metodika nebūtų atviri ir laisvai prieinami. Struktūriniai biologai ir kiti tyrėjai jau pradeda naudoti „AlphaFold“, kad gautų tikslesnius baltymų modelius, kuriuos sunku ar neįmanoma apibūdinti dabartiniais eksperimentiniais metodais.“ [1]
1. Nature 595, 625-626 (2021)
Komentarų nėra:
Rašyti komentarą