Το AlphaFold προβλέπει τη δομή σχεδόν κάθε πρωτεΐνης δείκτη που είναι γνωστή στην επιστήμη. Πίστωση: Karen Arnott/EMBL-EBI
Προβλέψεις με τεχνητή νοημοσύνη των τρισδιάστατων δομών σχεδόν όλων των πρωτεϊνών που είναι γνωστές στην επιστήμη έχουν γίνει από το DeepMind και το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής της EMBL (EMBL-EBI). κατάλογος Ελεύθερα και δημόσια διαθέσιμα στην επιστημονική κοινότητα, μέσω της βάσης δεδομένων AlphaFold Protein Structure.
Οι δύο οργανισμοί ελπίζουν ότι η διευρυμένη βάση δεδομένων θα συνεχίσει να βελτιώνει την κατανόησή μας για τη βιολογία και να βοηθά αμέτρητους επιστήμονες στο έργο τους καθώς προσπαθούν να ανταποκριθούν στις παγκόσμιες προκλήσεις.
Αυτό το σημαντικό επίτευγμα δείχνει ότι η βάση δεδομένων έχει επεκταθεί σχεδόν 200 φορές. Έχει αυξηθεί από σχεδόν ένα εκατομμύριο πρωτεϊνικές δομές σε πάνω από 200 εκατομμύρια, και τώρα καλύπτει σχεδόν κάθε οργανισμό στη Γη του οποίου το γονιδίωμα έχει προσδιοριστεί η αλληλουχία. Οι προβλεπόμενες δομές για ένα ευρύ φάσμα ειδών, συμπεριλαμβανομένων φυτών, βακτηρίων, ζώων και άλλων οργανισμών περιλαμβάνονται τώρα στη διευρυμένη βάση δεδομένων. Αυτό ανοίγει νέους δρόμους για έρευνα στις επιστήμες της ζωής που θα έχουν αντίκτυπο στις παγκόσμιες προκλήσεις, συμπεριλαμβανομένης της βιωσιμότητας, της επισιτιστικής ανασφάλειας και των παραμελημένων ασθενειών.
Τώρα, η προβλεπόμενη δομή θα είναι διαθέσιμη για όλες σχεδόν τις πρωτεϊνικές αλυσίδες UniProt Βάση δεδομένων πρωτεϊνών. Αυτή η έκδοση θα ανοίξει επίσης νέους ερευνητικούς δρόμους, συμπεριλαμβανομένης της υποστήριξης για βιοπληροφορική και υπολογιστική εργασία, επιτρέποντας στους επιστήμονες να εντοπίζουν πρότυπα και τάσεις στη βάση δεδομένων.
«Το AlphaFold παρέχει τώρα μια τρισδιάστατη άποψη του πρωτεϊνικού σύμπαντος», δήλωσε η Edith Heard, Γενική Διευθύντρια της EMBL. “Η δημοτικότητα και η ανάπτυξη της βάσης δεδομένων AlphaFold είναι απόδειξη της επιτυχημένης συνεργασίας μεταξύ της DeepMind και της EMBL. Μας δείχνει μια ματιά στη δύναμη της διεπιστημονικής επιστήμης.”
«Είμαστε έκπληκτοι με το ρυθμό με τον οποίο το AlphaFold έχει ήδη γίνει ένα ουσιαστικό εργαλείο για εκατοντάδες χιλιάδες επιστήμονες σε εργαστήρια και πανεπιστήμια σε όλο τον κόσμο», δήλωσε ο Ντέμης Χασάμπις, ιδρυτής και διευθύνων σύμβουλος της DeepMind. “Από την καταπολέμηση ασθενειών μέχρι την αντιμετώπιση της ρύπανσης από πλαστικό, το AlphaFold έχει ήδη απίστευτο αντίκτυπο σε μερικές από τις μεγαλύτερες παγκόσμιες προκλήσεις που αντιμετωπίζουμε. Ελπίζουμε ότι αυτή η διευρυμένη βάση δεδομένων θα βοηθήσει αμέτρητους επιστήμονες στο σημαντικό έργο τους και θα ανοίξει εντελώς νέα σύνορα επιστημονικής ανακάλυψης.”
Q8W3K0: Μια πιθανή πρωτεΐνη ανθεκτική στις ασθένειες των φυτών. Πίστωση: AlphaFold
Ένα απαραίτητο εργαλείο για τους επιστήμονες
DeepMind και EMBL-EBI Ξεκίνησε Η βάση δεδομένων AlphaFold τον Ιούλιο του 2021. Εκείνη την εποχή περιείχε περισσότερες από 350.000 προβλέψεις πρωτεϊνικής δομής, συμπεριλαμβανομένης ολόκληρης της ανθρώπινης πρωτεΐνης. Οι μεταγενέστερες ενημερώσεις προστέθηκαν UniProtKB/SwissProt και 27 νέες πρωτεΐνες, 17 από τις οποίες αντιπροσωπεύουν επίμονες παραμελημένες τροπικές ασθένειες. καταστρέφω τη ζωή περισσότερων από ένα δισεκατομμύριο ανθρώπων παγκοσμίως.
Πάνω από 1.000 επιστημονικές εργασίες έχουν αναφέρει τη βάση δεδομένων και περισσότεροι από 500.000 ερευνητές από περισσότερες από 190 χώρες απέκτησαν πρόσβαση στη βάση δεδομένων AlphaFold για να δουν περισσότερες από δύο εκατομμύρια δομές σε λίγο περισσότερο από ένα χρόνο.
Η ομάδα είδε επίσης ερευνητές να βασίζονται στο AlphaFold για να δημιουργήσουν και να προσαρμόσουν εργαλεία όπως π.χ Foldsec Και το Νταλί Αυτό επιτρέπει στους χρήστες να αναζητούν καταχωρήσεις παρόμοιες με μια συγκεκριμένη πρωτεΐνη. Άλλοι έχουν υιοθετήσει τις βασικές ιδέες μηχανικής μάθησης πίσω από το AlphaFold, για να σχηματίσουν τη ραχοκοκαλιά μιας λίστας νέων αλγορίθμων σε αυτόν τον χώρο ή να τους εφαρμόσουν σε τομείς όπως Πρόβλεψη Δομής RNA ή Αναπτύξτε νέα μοντέλα για το σχεδιασμό των πρωτεϊνών.
Ο αντίκτυπος και το μέλλον του AlphaFold και της βάσης δεδομένων
Το AlphaFold έχει επίσης επιδείξει αντίκτυπο σε τομείς όπως η βελτίωση της ικανότητάς μας Καταπολέμηση της πλαστικής ρύπανσηςαποκτήσουν διορατικότητα Νόσος Πάρκινσονκι αλλα υγεία των μελισσώνΚατανόηση Πώς σχηματίζεται ο πάγος;για τη θεραπεία παραμελημένες ασθένειες Όπως η νόσος Chagas, η λεϊσμανίαση και η εξερεύνηση ανθρώπινη εξέλιξη.
“Κυκλοφορήσαμε το AlphaFold με την ελπίδα ότι άλλες ομάδες θα μπορούσαν να μάθουν και να αξιοποιήσουν την πρόοδο που σημειώσαμε, και ήταν συναρπαστικό να το βλέπουμε να συμβαίνει τόσο γρήγορα. Αρκετοί άλλοι ερευνητικοί οργανισμοί τεχνητής νοημοσύνης εισέρχονται τώρα σε αυτό το πεδίο και βασίζονται στις προόδους που έχει κάνει το AlphaFold Αυτή είναι πραγματικά μια νέα εποχή στη δομική βιολογία και οι μέθοδοι που βασίζονται στην τεχνητή νοημοσύνη θα οδηγήσουν σε εκπληκτικές προόδους, δήλωσε ο John Jumper, Επιστήμονας Έρευνας και AlphaFold Lead στο DeepMind.
“Το AlphaFold έχει στείλει κυματισμούς σε όλη την κοινότητα της μοριακής βιολογίας. Μόνο τον περασμένο χρόνο, υπήρξαν περισσότερα από χίλια επιστημονικά άρθρα σε ένα ευρύ φάσμα ερευνητικών θεμάτων χρησιμοποιώντας δομές AlphaFold”, δήλωσε ο Samir Vilankar, Team Leader στην Protein Data Bank στο EMBL -EBI στην Ευρώπη” Δεν έχω ξαναδεί κάτι τέτοιο.” Και αυτό είναι μόνο το αποτέλεσμα ενός εκατομμυρίου προβλέψεων· φανταστείτε το αποτέλεσμα της ύπαρξης πάνω από 200 εκατομμυρίων δημοσίως προσβάσιμων προβλέψεων πρωτεϊνικής δομής στη βάση δεδομένων AlphaFold.”
Η DeepMind και η EMBL-EBI θα συνεχίσουν να ενημερώνουν περιοδικά τη βάση δεδομένων, με στόχο τη βελτίωση των χαρακτηριστικών και της λειτουργικότητας ως απάντηση στα σχόλια των χρηστών. Η πρόσβαση στις δομές θα συνεχίσει να είναι πλήρως ανοιχτή, με άδεια CC-BY 4.0, και οι μαζικές λήψεις θα είναι διαθέσιμες μέσω Σύνολα δημόσιων δεδομένων Google Cloud.