DeepMind rivela la struttura di 200 milioni di proteine ​​in Science Advances | mente profonda

L’intelligenza artificiale ha compreso la struttura di ogni proteina nota alla scienza, aprendo la strada allo sviluppo di nuovi farmaci o tecnologie per affrontare sfide globali come la carestia o l’inquinamento.

Le proteine ​​sono i mattoni della vita. Costituite da catene di amminoacidi, ripiegate in forme complesse, la loro struttura 3D determina in gran parte la loro 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 costruire una catena di aminoacidi, prevedere come interagiscono per formare uno schema 3D è complicato e fino a poco tempo gli scienziati comprendevano solo una frazione delle circa 200 milioni di proteine ​​note alla scienza.

A novembre 2020, il team AI mente profonda ha annunciato di aver sviluppato un programma chiamato AlphaFold in grado di prevedere rapidamente queste informazioni utilizzando un algoritmo. Da allora, il suo genoma è stato scomposto attraverso i codici genetici di ogni organismo sequenziato, prevedendo le strutture delle centinaia di milioni di proteine ​​che contengono collettivamente.

L’anno scorso, DeepMind ha pubblicato strutture proteiche per 20 specie, tra cui Quasi 20.000 proteine ​​sono espresse dall’uomo – In posizione aperta Banca dati. Ora ha completato il lavoro e pubblicato le strutture previste per oltre 200 milioni di proteine.

“In sostanza, puoi pensare che copra l’intero universo proteico. Include strutture predittive per piante, batteri, animali e molte altre specie, aprendo enormi nuove opportunità per Alphafold su questioni critiche come la sostenibilità, l’insicurezza alimentare e le malattie trascurate”, ha detto Demis Hassabis, amministratore delegato.

Gli scienziati stanno già utilizzando alcune delle sue precedenti previsioni per sviluppare nuovi farmaci. A maggio, i ricercatori guidati dal professor Matthew Higgins dell’Università di Oxford dichiarato Hanno utilizzato modelli di alfafoldina per determinare la struttura di una proteina chiave del parassita della malaria e per identificare dove potrebbero legarsi gli anticorpi che potrebbero bloccare la diffusione del parassita.

READ  Il trailer di Starfield prende in giro più di 1.000 pianeti esplorativi e navi volanti

“In precedenza, usavamo una tecnica chiamata cristallografia proteica per capire che aspetto avesse questa molecola, ma poiché è così dinamica e in movimento, non siamo riusciti a catturarla”, ha detto Higgins. “Quando abbiamo preso i modelli alphafold e li abbiamo combinati con questa prova sperimentale, improvvisamente ha avuto senso. Questa intuizione può ora essere utilizzata per progettare vaccini migliorati che inducono anticorpi più potenti che bloccano il trasferimento.

Iscriviti alla prima edizione della nostra newsletter giornaliera gratuita – ogni settimana alle 7:00 BST

I campioni di Alphafold vengono utilizzati dagli scienziati del Center for Enzyme Discovery dell’Università di Portsmouth per identificare gli enzimi del mondo naturale che potrebbero essere adattati per digerire e riciclare la plastica. “Ci è voluto molto tempo per esplorare questo enorme database strutturale, ma abbiamo aperto un’intera serie di nuove forme tridimensionali che possono abbattere la plastica”, ha affermato l’autore principale, il professor John McKeehan. Opera. “C’è stato un cambio di paradigma completo. Possiamo davvero accelerare dove andiamo da qui e aiuta a indirizzare queste preziose risorse verso le cose che contano.

Professor Dame Janet Thornton, Group Leader e European Molecular Senior Scientist Biologia L’Istituto europeo di bioinformatica del laboratorio ha dichiarato: “Le previsioni della struttura della proteina Alphafold sono già utilizzate in innumerevoli modi. Mi aspetto che questo ultimo aggiornamento scatenerà una valanga di nuove ed entusiasmanti scoperte nei prossimi mesi e anni, grazie ai dati apertamente disponibili per tutti. uso.”

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.