Формата на протеина има пряко отношение към неговата функция и е ключов компонент при откриването на лекарства, но за да се разбере тази форма досега мяха нужни години експерименти.
Преди дни Центърът за прогнозиране на структурата на протеина в Калифорнийския университет в Дейвис обяви, че лабораторията за изкуствен интелект DeepMind и нейната програма AlphaFold са ускорили времето, необходимо за определяне на формата на протеина, в сравнение с това, което се изисква от традиционните методи.
Програмата AlphaFold използва невронни мрежи за извършване на дълбоко самообучение, идентифицирайки модели в последователности и структури на протеини, открити в глобална база данни. Тъй като се обучава с течение на времето, програмата може да идентифицира структурата на протеина за минути. Как работи дълбокото самообучение на невронните мрежи може да разберете в тази статия.
Традиционно изследователите използват техники като рентгенова кристалография или крио-електронна микроскопия, за да визуализират протеина. Това е трудоемък процес, който може да отнеме години и дори цялата кариера на учен.
DeepMind, собственост на компанията майка на Google, участва в 14-то състезанието Critical Assessment of protein Structure Prediction (CASP) или „Критична оценка на предсказването на структурата на протеина“, организирано от Центъра за прогнозиране на структурата на протеина. Екипите разработват структурата на около 100 пълни или частични протеина, по няколко наведнъж, в процес, който отнема месеци.
„Обучихме тази система с публично достъпни данни, състоящи се от ~ 170 000 протеинови структури от банката с данни за протеини, заедно с големи бази данни, съдържащи протеинови последователности с неизвестна структура“, заявяват разработчиците на AlphaFold. "Той използва приблизително 128 ядра TPUv3 (приблизително еквивалентни на ~ 100-200 графични процесора), изпълнявани в продължение на няколко седмици, което е относително скромно количество изчисления в контекста на повечето големи модерни модели, използвани в машинното обучение днес. "
DeepMind успява да се открои, като преосмисля своя подход и взема предвид пространствените ограничения на протеиновите гънки и се фокусира върху последователността на протеина като цяло, а не само вероятната позиция на отделните аминокиселини, както през 2018 г., обяснява Nature.
Това е постижение, което ще „трансформира биологията и медицината“, системата за дълбоко самообучение може да бъде в състояние да симулира протеинови структури само от аминокиселинен код.
Два примера за белтъчни цели в категорията за свободно моделиране. AlphaFold прогнозира много точно структури, сравнявани с експериментални резултати. Кредит: DeepMind
За да участват в конкурса, лабораториите се състезават, за да определят чрез изчисления 3D структурите на протеините, които организаторите вече са проверили експериментално, но не са публикували никъде, където участниците имат достъп. Резултатите се дават въз основа на точност от възможните 100. Според организаторите 90 е прагът за постигане на експериментални стойности.
Science съобщава, че по време на първото събитие през 1994 г. средният резултат е бил около 20 и е нараснал до 40 до 2016 г. Когато компанията DeepMind дебютира през 2018 г., тя достига 60. За тазгодишното показване средният резултат е 92,4 като цяло и за най-трудните протеини, тя спечели цели 25 точки по-високо от конкуренцията си, която получава 87.
„Повечето атоми [от резултатите на DeepMind] се намират в диапазона на диаметър на атом от мястото, където са в експерименталната структура“, отбелязва Джон Моулт (John Moult), професор от Университета в Мериленд, който е съосновател на състезанието, пред The New York Times. „А при тези, които не са, има и други възможни обяснения за разликите“.
„Това ще промени медицината. Това ще промени изследванията. Това ще промени биоинженерството. Това ще промени всичко“, коментира Андрей Лупас (Andrei Lupas), еволюционен биолог от Института за развитие на биологията на Макс Планк в Германия, участвал в оценката на конкурса, добавяйки, че за AlphaFold са били нужни само 30 минути, за да произведе структурата на протеин, който лабораторията му е опитвала за да разбера в продължение на 10 години.
"Все се надявах, че ще доживея този ден", споделя Моулт пред Times. "Но не винаги беше очевидно, че ще успея."
Източник:
DeepMind AI Speeds Up the Time to Determine Proteins’ Structures, The Scientist
DeepMind's New AI May Have Just Solved "The Greatest Challenge In Biology", IFLScience
Още по темата
Технологии
Можем ли да се доверим на научни открития, направени с машинно самообучение?
Технологии
Как работи дълбокото самообучение на невронните мрежи?
Медицина
Има втори слой на информация в ДНК структурата
Коментари
Моля, регистрирайте се от TУК!
Ако вече имате регистрация, натиснете ТУК!
Няма коментари към тази новина !
Последни коментари