Найважливіше відкриття за 50 років: алгоритм DeepMind навчили визначати структуру білка

Білок є важливою частиною життя будь-якоголюдини, але не дивлячись на те, що ми живемо в XXI столітті, коли нейромережі малюють картини, а 3D-принтери - повноцінні органи, повністю вивчити білок вченим поки не було змоги. Зокрема, біологи протягом останніх 50 років намагалися визначити тривимірну структуру білка: якщо її зрозуміти, то можна дізнатися, як він взаємодіє з іншими речовинами, в тому числі ліками. До недавнього часу механізм згортання білка так і залишався невідомим, поки команда DeepMind, підрозділ Google, яке займається створенням нейромереж, не вирішила скористатися для вирішення цього завдання штучним інтелектом.

Цю структуру білка створив алгоритм на основі нейромережі

зміст

• 1 Як визначити структуру білка?
• 2 Що таке AlphaFold?
• 3 Навіщо потрібно визначати структуру білка?
• 4 Як ще може використовуватися AlphaFold 2

Як визначити структуру білка?

У чому ж проблема визначити тривимірну структурубілка? Білки схильні приймати форму без сторонньої допомоги, керуючись тільки законами фізики. До цього у біологів було уявлення, як це зробити, але все впиралося під час. Для вирішення цього завдання необхідно визначити амінокислотну послідовність білка і проаналізувати зв'язку між членами цієї послідовності. Ось тільки ця послідовність може складатися навіть з 101 амінокислоти, між якими буде, відповідно, 100 зв'язків. Плюс у кожної з них може бути три можливих стану.

В результаті у кінцевого білка буде неймовірно багато варіантів структур - 3 в сотому ступені. Щоб перебрати їх все, людині будуть потрібні тисячі років.

Звичайно, стільки часу в запасі ні у кого немає, тому десятки років вчені намагалися вирішити цю задачу іншим способом. Не виходило, до появи AlphaFold - алгоритму, який команда DeepMind розробила спеціально для цієї мети.

Що таке AlphaFold?

Першу версію цього алгоритму DeepMind показалаще два роки тому. AlphaFold виявився точнішим, ніж конкуренти, в прогнозуванні тривимірної структури білків зі списку складових. Нейросети досить «згодувати» послідовність амінокислот, а на виході вона покаже відстань і кути зв'язків між ними, що дозволяє відновити структуру білка.

Розробники продовжили роботу над алгоритмом, і30 листопада 2020 року показали AlphaFold 2, який став ще більш точним. Ідея в тому, щоб розглянути послідовність амінокислот у вигляді графа: його вершини - це амінокислотні залишки, а ребра - зв'язки між ними. А потім дати завдання нейромережі з блоком уваги досліджувати його, враховуючи вже відомих схожих і еволюційно споріднених білків. Після цього з вийшов зв'язків алгоритм вибудовує кінцеву тривимірну структуру білка.

Структури білка, створені алгоритмом DeepMind

Але будь-який нейромережі потрібні вхідні дані, наякі вона може спиратися, і в цьому випадку вчені завантажили інформацію про структурах приблизно 170 тисяч білків. Весь процес навчання зайняв кілька тижнів - в порівнянні з тисячами років, про які йшла мова на початку статті, це справжній прорив. Алгоритм представили на нещодавній конференції CASP, де AlphaFold2 зайняв перше місце, набравши 92,4 із 100 можливих балів (виходить з правильності розташованих амінокислотних залишків в ланцюжку білка). Минула версія алгоритму набирала максимум 60 балів.

Дослідження точності алгоритмів за визначенням структури білка (більше - краще)

Навіщо потрібно визначати структуру білка?

Це відкриття дозволить створити нові лікарськіпрепарати проти хвороб, оскільки за допомогою структури вчені будуть знати, як працює білок, як він згортається і взаємодіє з іншими елементами, щоб його можна було безболісно використовувати в ліках. Також структура білка дозволяє зрозуміти, як хвороби поширюються і впливають на організм людини.

Наприклад, хвороба Паркінсона розвивається черезнакопичення в організмі білка альфа-синуклеїну: він скручується і утворює всередині нейронів токсичні клубки - тільця Леві. Останні потім вражають нейрони в головному мозку. Однак звідки саме з'являється цей білок, вчені до цих пір точно не знають. Розуміння тривимірної структури білка допоможе відповісти на це питання.

Те ж саме стосується хвороби Альцгеймера, шляхпоширення якої пролягає через порушення зв'язку між нейронами, особливими клітинами, які обробляють і передають електричні та хімічні зв'язки між частинами мозку. Це призводить до смерті клітин мозку і накопиченню двох типів білка, амілоїду і тау.

Точне взаємодія між цими двома білками взначній мірі невідомо. Одна з труднощів діагностики хвороби Альцгеймера полягає в тому, що у нас немає надійного і точного способу виміру цих білкових накопичень на ранніх стадіях захворювання.

AlphaFold 2 допоможе діагностувати хворобу Альцгеймера на більш ранніх стадіях і дасть можливість для створення потрібних ліків.

Це найважливіше відкриття за останні 50 років, -говорить Джон Моулт, біолог з Університету Меріленда, який став співзасновником CASP в 1994 році з метою розробки обчислювальних методів для точного передбачення структур білків. - В якомусь сенсі проблема вирішена.

Можливість точно передбачити структуру білків поїх амінокислотної послідовності стане величезним благом для медицини. Це значно прискорить дослідження по розумінню будівельних блоків клітин і дозволить швидше і ефективніше відкривати нові ліки.

Підпишіться на нас у Яндекс.Дзен, щоб отримати доступ до закритих матеріалів, які не публікуються навіть на сайті.

Як ще може використовуватися AlphaFold 2

AlphaFold 2 навряд чи зробить непотрібнимилабораторії, які використовують експериментальні методи для визначення структури білків. Але алгоритм показав, що менш якісні і прості для збору експериментальні дані - це все, що потрібно для створення оптимальної структури білка.

Я думала, що ця проблема не буде вирішена при моєму житті, - говорить Джанет Торнтон, біолог з Європейської лабораторії молекулярної біології.

Вона сподівається, що цей підхід допоможе пролити світло на функцію тисяч невідомих білків в геномі людини і розібратися в варіаціях генів, що викликають хвороби, які бувають у різних людей.

Створення AlphaFold 2 також знаменує собоюповоротний момент для DeepMind. Компанія найбільш відома тим, що використовує ІІ для освоєння таких ігор, як го, але її довгострокова мета - розробити програми, здатні перевершувати можливості людського інтелекту. Рішення грандіозних наукових завдань, таких як прогноз структури білків, є одним з найбільш важливих, яке може зробити штучний інтелект. Тільки подумайте, що буде далі - адже нас чекають дивовижні відкриття!