Трехмерное изображение белковой вселенной

Прогноз структуры белка AlphaFold

DeepMind и Европейский институт биоинформатики EMBL (EMBL-EBI) сделали прогнозы трехмерных структур почти всех известных науке белков с помощью искусственного интеллекта. Каталог находится в свободном и открытом доступе для научного сообщества через базу данных AlphaFold Protein Structure Database.

AlphaFold предсказывает структуру почти каждого каталогизированного белка, известного науке. Предоставлено: Карен Арнотт/EMBL-EBI

Обе организации надеются, что расширенная база данных продолжит расширять наше понимание биологии, помогая бесчисленному количеству ученых в их работе, поскольку они стремятся решать глобальные проблемы.

Эта важная веха знаменует собой расширение базы данных примерно в 200 раз. Он вырос с почти 1 миллиона белковых структур до более чем 200 миллионов и теперь охватывает почти каждый организм на Земле, геном которого был секвенирован. Прогнозируемые структуры для широкого круга видов, включая растения, бактерии, животных и другие организмы, теперь включены в расширенную базу данных. Это открывает новые направления исследований в области наук о жизни, которые окажут влияние на глобальные проблемы, включая устойчивость, отсутствие продовольственной безопасности и забытые болезни.

Теперь предсказанная структура будет доступна практически для всех белковых последовательностей в базе данных белков UniProt . Этот выпуск также откроет новые направления исследований, включая поддержку биоинформатики и вычислительной работы, позволяя ученым потенциально выявлять закономерности и тенденции в базе данных.

«AlphaFold теперь предлагает трехмерное представление белковой вселенной», — сказала Эдит Херд, генеральный директор EMBL. «Популярность и рост базы данных AlphaFold являются свидетельством успеха сотрудничества между DeepMind и EMBL. Это дает нам представление о силе междисциплинарной науки».

Q8W3K0: потенциальный белок устойчивости растений к болезням. 1 кредит

«Мы были поражены скоростью, с которой AlphaFold уже стал важным инструментом для сотен тысяч ученых в лабораториях и университетах по всему миру», — сказал Демис Хассабис, основатель и генеральный директор DeepMind. «От борьбы с болезнями до борьбы с пластиковым загрязнением — AlphaFold уже оказал невероятное влияние на некоторые из наших самых больших глобальных проблем. Мы надеемся, что эта расширенная база данных поможет бесчисленному количеству ученых в их важной работе и откроет совершенно новые возможности для научных открытий».

Важный инструмент для ученых

DeepMind и EMBL-EBI запустили базу данных AlphaFold в июле 2021 года. На тот момент она содержала более 350 000 предсказаний структуры белков, включая весь протеом человека. В последующих обновлениях были добавлены UniProtKB/SwissProt и 27 новых протеомов, 17 из которых представляют забытые тропические болезни, которые продолжают разрушать жизни более 1 миллиарда человек во всем мире.

Более 1000 научных статей ссылаются на базу данных, и более 500 000 исследователей из более чем 190 стран получили доступ к базе данных AlphaFold для просмотра более двух миллионов структур чуть более чем за один год.

Команда также видела, как исследователи используют AlphaFold для создания и адаптации таких инструментов, как Foldseek и Dali , которые позволяют пользователям искать записи, похожие на данный белок. Другие переняли основные идеи машинного обучения, лежащие в основе AlphaFold, сформировав основу множества новых алгоритмов в этой области или применяя их в таких областях, как предсказание структуры РНК или разработка новых моделей для проектирования белков.

Влияние и будущее AlphaFold и базы данных

AlphaFold также продемонстрировал влияние в таких областях, как улучшение нашей способности бороться с пластиковым загрязнением , получение информации о болезни Паркинсона, улучшение здоровья медоносных пчел , понимание того, как образуется лед, борьба с забытыми болезнями , такими как болезнь Шагаса и лейшманиоз, и изучение эволюции человека.

• «Мы выпустили AlphaFold в надежде, что другие команды смогут извлечь уроки и развить наши достижения, и было приятно видеть, что это произошло так быстро. Многие другие исследовательские организации в области искусственного интеллекта уже вышли на поле и используют достижения AlphaFold для дальнейших прорывов. Это действительно новая эра в структурной биологии, и методы на основе ИИ будут способствовать невероятному прогрессу», — сказал Джон Джампер, научный сотрудник и руководитель AlphaFold в DeepMind.
• «AlphaFold произвел фурор в сообществе молекулярной биологии. Только за последний год было опубликовано более тысячи научных статей по широкому кругу исследовательских тем, в которых использовались структуры AlphaFold; Я никогда не видел ничего подобного», — сказал Самир Веланкар, руководитель группы банка данных о белках EMBL-EBI в Европе.
• «И это всего лишь влияние одного миллиона предсказаний; представьте себе влияние наличия более 200 миллионов предсказаний структуры белка, находящихся в открытом доступе в базе данных AlphaFold».

DeepMind и EMBL-EBI продолжат периодически обновлять базу данных с целью улучшения характеристик и функциональности в ответ на отзывы пользователей. Доступ к структурам будет по-прежнему полностью открыт в соответствии с лицензией CC-BY 4.0, а массовые загрузки будут доступны через общедоступные наборы данных Google Cloud.

Источник

Метки: белок