Belangrijkste ontdekking in 50 jaar: het algoritme van DeepMind werd geleerd om de structuur van een eiwit te bepalen

Eiwit is een belangrijk onderdeel van ieders levenmenselijk, maar ondanks het feit dat we in de 21e eeuw leven, waarin neurale netwerken afbeeldingen schilderen en 3D-printers volwaardige organen zijn, hebben wetenschappers nog niet de gelegenheid gehad om het eiwit volledig te bestuderen. In het bijzonder hebben biologen de afgelopen 50 jaar geprobeerd de driedimensionale structuur van een eiwit te bepalen: als je het begrijpt, kun je erachter komen hoe het interageert met andere stoffen, waaronder medicijnen. Tot voor kort bleef het mechanisme voor het vouwen van eiwitten onbekend, totdat het team van DeepMind, de Google-divisie die neurale netwerken maakt, besloot om kunstmatige intelligentie te gebruiken om dit probleem op te lossen.

Deze eiwitstructuur is gemaakt door een algoritme op basis van een neuraal netwerk

De inhoud

• 1 Hoe bepaal je de structuur van een eiwit?
• 2 Wat is AlphaFold?
• 3 Waarom moet je de structuur van een eiwit bepalen?
• 4 Hoe kan AlphaFold 2 nog meer worden gebruikt

Hoe bepaal je de structuur van een eiwit?

Wat is het probleem met het bepalen van de driedimensionale structuureekhoorn? Eiwitten hebben de neiging om zonder hulp vorm te krijgen, alleen geleid door de wetten van de fysica. Voordien hadden biologen een idee hoe ze dit moesten doen, maar alles rustte op tijd. Om dit probleem op te lossen, is het nodig om de aminozuursequentie van het eiwit te bepalen en de verbindingen tussen de leden van deze sequentie te analyseren. Maar deze sequentie kan zelfs uit 101 aminozuren bestaan, waartussen er respectievelijk 100 bindingen zullen zijn. Bovendien kan elk van hen drie mogelijke statussen hebben.

Als gevolg hiervan zal het uiteindelijke eiwit ongelooflijk veel varianten van structuren hebben - 3 tot de honderdste macht... Om ze allemaal te bespreken, man het zal duizenden jaren duren.

Natuurlijk heeft niemand zoveel tijd over, dus hebben wetenschappers decennia lang geprobeerd dit probleem op een andere manier op te lossen. Het werkte voorheen niet Alphafold - een algoritme dat het DeepMind-team speciaal voor dit doel heeft ontwikkeld.

Wat is AlphaFold?

De eerste versie van dit algoritme toonde DeepMindtwee jaar geleden. AlphaFold heeft bewezen nauwkeuriger te zijn dan zijn concurrenten in het voorspellen van de driedimensionale structuur van eiwitten op basis van een lijst met ingrediënten. Het is voldoende dat een neuraal netwerk een reeks aminozuren "voedt", en aan de uitgang zal het de afstand en de hoeken van de bindingen tussen hen tonen, waardoor de eiwitstructuur kan worden hersteld.

De ontwikkelaars bleven werken aan het algoritme, enOp 30 november 2020 werd AlphaFold 2 getoond, die nog nauwkeuriger is geworden. Het idee is om de volgorde van aminozuren als een grafiek te bekijken: de hoekpunten zijn aminozuurresiduen en de randen zijn de verbindingen daartussen. En geef dan de taak van een neuraal netwerk met een aandachtsblok om het te onderzoeken, rekening houdend met reeds bekende gelijkaardige en evolutionair verwante eiwitten. Daarna bouwt het algoritme de uiteindelijke driedimensionale structuur van het eiwit op uit de resulterende verbindingen.

Eiwitstructuren gegenereerd door het DeepMind-algoritme

Maar elk neuraal netwerk heeft invoergegevens nodigwaarop het kan vertrouwen, in welk geval de wetenschappers informatie uploadden over de structuren van ongeveer 170.000 eiwitten. Het hele leerproces duurde enkele weken - vergeleken met de duizenden jaren die aan het begin van dit artikel zijn besproken, is dit een echte doorbraak. Het algoritme werd gepresenteerd op de recente CASP-conferentie, waar AlphaFold2 de eerste plaats behaalde en 92,4 van de 100 mogelijke punten behaalde (gebaseerd op de juistheid van gelokaliseerde aminozuurresiduen in de eiwitketen). De vorige versie van het algoritme scoorde maximaal 60 punten.

Onderzoek naar de nauwkeurigheid van algoritmen voor het bepalen van de structuur van een eiwit (meer is beter)

Waarom moet je de structuur van een eiwit bepalen?

Deze ontdekking zal de creatie van nieuwe medicijnen mogelijk makenmedicijnen tegen ziekten, omdat wetenschappers met behulp van de structuur zullen weten hoe het eiwit werkt, hoe het vouwt en interageert met andere elementen, zodat het pijnloos in medicijnen kan worden gebruikt. Ook stelt de structuur van eiwitten u in staat om te begrijpen hoe ziekten zich verspreiden en het menselijk lichaam beïnvloeden.

De ziekte van Parkinson ontwikkelt zich bijvoorbeeld doorophoping van het eiwit alfa-synucleïne in het lichaam: het krult op en vormt giftige klitten in de neuronen - Lewy-lichaampjes. Deze laatste infecteren vervolgens neuronen in de hersenen. Maar waar dit eiwit precies vandaan komt, weten wetenschappers nog steeds niet precies. Het begrijpen van de driedimensionale structuur van een eiwit zal deze vraag helpen beantwoorden.

Hetzelfde geldt trouwens voor de ziekte van Alzheimerwaarvan de verspreiding verloopt via de verstoring van de communicatie tussen neuronen, speciale cellen die elektrische en chemische verbindingen tussen hersengebieden verwerken en verzenden. Dit leidt tot de dood van hersencellen en de accumulatie van twee soorten eiwitten, amyloïde en tau.

De exacte interactie tussen deze twee eiwitten ingrotendeels onbekend. Een van de moeilijkheden bij het diagnosticeren van de ziekte van Alzheimer is dat we geen betrouwbare en nauwkeurige manier hebben om deze eiwitophopingen in de vroege stadia van de ziekte te meten.

Alfafold 2 helpt bij het diagnosticeren van de ziekte van Alzheimer in een eerder stadium en biedt de mogelijkheid om het juiste medicijn te creëren.

Dit is de belangrijkste ontdekking van de afgelopen 50 jaar -zegt John Moult, een bioloog aan de Universiteit van Maryland die in 1994 medeoprichter was van CASP met als doel het ontwikkelen van computationele methoden om eiwitstructuren nauwkeurig te voorspellen. - In zekere zin is het probleem opgelost.

Het vermogen om de structuur van eiwitten nauwkeurig te voorspellen doorhun aminozuursequentie zou een enorme zegen zijn voor de geneeskunde. Dit zal het onderzoek naar het begrijpen van de bouwstenen van cellen aanzienlijk versnellen en sneller en efficiënter maken ontdek nieuwe medicijnen.

Abonneer u op Yandex.Zen om toegang te krijgen tot gesloten materiaal dat zelfs niet op de site wordt gepubliceerd.

Hoe kan AlphaFold 2 nog meer worden gebruikt

AlphaFold 2 zal waarschijnlijk niet overbodig makenlaboratoria die experimentele methoden gebruiken om de structuur van eiwitten te bepalen. Maar het algoritme heeft aangetoond dat experimentele data van mindere kwaliteit en gemakkelijker te verzamelen is, alles wat nodig is om een ​​goede eiwitstructuur te creëren.

Ik dacht dat dit probleem tijdens mijn leven niet zou worden opgelost ”, zegt Janet Thornton, bioloog bij het European Laboratory of Molecular Biology.

Ze hoopt dat deze aanpak zal helpen om licht te werpen op de functie van duizenden onbekende eiwitten in het menselijk genoom en om de variaties in ziekteverwekkende genen te begrijpen die verschillende mensen treffen.

De oprichting van AlphaFold 2 markeert ookeen keerpunt voor DeepMind. Het bedrijf staat vooral bekend om het gebruik van AI om games als Go onder de knie te krijgen, maar het doel op lange termijn is om software te ontwikkelen die de mogelijkheden van menselijke intelligentie overtreft. Het oplossen van ontmoedigende wetenschappelijke problemen, zoals het voorspellen van de structuur van eiwitten, is een van de belangrijkste die kunstmatige intelligentie kan doen. Bedenk eens wat er daarna zal gebeuren - er wachten ons immers verbazingwekkende ontdekkingen!