Искусственный интеллект был использован для предсказания структуры почти каждого белка, созданного человеческим организмом.
Разработка поможет ускорить создание новых лекарств для лечения опасных заболеваний, а также подтолкнет дальнейшие открытия.
Белки являются важнейшими строительными блоками живых организмов; каждая клетка, которая есть в нас, состоит из них.
Понимание форм белков имеет решающее значение для развития медицины, но до сих пор только часть из них была изучена.
Исследователи использовали программу под названием AlphaFold, чтобы предсказать структуры 350 000 белков, принадлежащих людям и другим организмам.
Инструкции по созданию человеческих белков хранятся в наших геномах — ДНК, содержащейся в ядрах человеческих клеток.
В геноме человека экспрессируется около 20 000 таких белков. В совокупности биологи называют этот комплект «протеомом».
Комментируя результаты AlphaFold, д-р Демис Хассабис (Demis Hassabis), исполнительный директор и соучредитель компании по искусственному интеллекту Deep Mind, сказал: «Мы считаем, что это самая полная и точная картина человеческого протеома на сегодняшний день.
Мы также полагаем, что эта работа представляет собой наиболее значительный вклад ИИ в развитие состояния научных знаний на сегодняшний день.
И я думаю, что это отличная иллюстрация и пример того, какую пользу ИИ может принести обществу».
Кроме того, ученый добавил: «Нам не терпится увидеть, что научное сообщество собирается с этим делать».
Белки состоят из цепочек более мелких строительных блоков, называемых аминокислотами. Эти цепи складываются мириадами различных способов, образуя уникальную трехмерную форму. Форма белка определяет его функцию в организме человека.
350 000 белковых структур, предсказанных AlphaFold, включают не только 20 000 содержащихся в протеоме человека, но и в так называемых модельных организмах, используемых в научных исследованиях, таких как кишечная палочка, дрожжи, плодовая муха и мышь.
Этот гигантский скачок в возможностях описан исследователями DeepMind и командой из Европейской лаборатории молекулярной биологии (EMBL) в престижном журнале Nature.
AlphaFold смог уверенно предсказать структурные положения 58% аминокислот в протеоме человека.
Позиции 35,7% были предсказаны с очень высокой степенью достоверности — вдвое больше числа, подтвержденного экспериментами.
Традиционные методы разработки белковых структур включают рентгеновскую кристаллографию, криогенную электронную микроскопию (Крио-ЭМ) и другие. «Для создания структур требуется огромное количество денег и ресурсов», — сказал в интервью Би-би-си профессор Джон Макгихан (John McGeehan), структурный биолог из Университета Портсмута.
Поэтому трехмерные формы часто определяются в рамках целенаправленных научных исследований, но ни один проект до сих пор не имел систематически определенных структур для всех белков, производимых организмом.
Комментируя прогнозы AlphaFold, профессор МакГихан сказал: «Это удивительная скорость — на каждую структуру у нас уходило по шесть месяцев, а теперь это занимает пару минут. Мы не могли предвидеть, что это произойдет так быстро.
Когда мы впервые отправили наши семь последовательностей в команду DeepMind, на две из них у нас уже были экспериментальные структуры. Так что мы смогли проверить их, когда они вернулись. Это был один из тех моментов — честно говоря, — когда волосы встали дыбом у меня на затылке, потому что структуры AlphaFold были идентичны».
Профессор Эдит Херд (Edith Heard) из EMBL сказала: «Это изменит наше понимание того, как устроена жизнь. Ведь белки представляют собой фундаментальные строительные блоки, из которых состоят живые организмы.
Применение открытия ограничено только нашим пониманием».
Те виды использования, которые мы можем предусмотреть сейчас, включают разработку новых лекарств и методов лечения болезней, создание сельхозкультур, которые могут противостоять изменению климата, и ферментов, которые могут разрушать пластик, который проникает в окружающую среду.
Группа профессора Макгихана уже использует данные AlphaFold, чтобы помочь разработать более быстрые ферменты для деградации пластика. Он рассказал, что программа предоставила прогнозы для белков, представляющих интерес, структуры которых не могут быть определены экспериментально, помогая ускорить их проект на «несколько лет».
Д-р Эван Бирни (Ewan Birney), директор Европейского института биоинформатики EMBL, сказал, что предсказанные структуры AlphaFold были «одним из самых важных наборов данных со времен картирования генома человека».
DeepMind объединилась с EMBL, чтобы сделать альфа-код и предсказания структуры белка открытыми для мирового научного сообщества.
Доктор Хассабис сказал, что DeepMind планирует значительно расширить охват в базе данных почти каждого секвенированного белка, известного науке, — более 100 миллионов структур.
Источник: https://www.bbc.com/news/science-environment-57929095