AlphaFold создает 3D-рендеринг белковой вселенной

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

DeepMind и Европейский институт биоинформатики EMBL (EMBL-EBI) сделали предсказания трехмерных структур почти всех известных науке индексированных белков с помощью ИИ. каталог Бесплатно и общедоступно для научного сообщества через базу данных AlphaFold Protein Structure Database.

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

Это крупное достижение указывает на то, что база данных была расширена почти в 200 раз. Он вырос с почти миллиона белковых структур до более чем 200 миллионов и теперь охватывает почти каждый организм на Земле, чей геном был секвенирован. Прогнозируемые структуры для широкого круга видов, включая растения, бактерии, животных и другие организмы, теперь включены в расширенную базу данных. Это открывает новые возможности для 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 цепей в ЮниПрот Белковая база данных. Этот выпуск также откроет новые направления исследований, включая поддержку биоинформатики и вычислительной работы, позволяя ученым выявлять закономерности и тенденции в базе данных.

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

«Мы 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 самых серьезных глобальных проблем, с которыми мы сталкиваемся. Мы надеемся, что эта расширенная база данных поможет бесчисленному количеству ученых в их важной работе и откроет совершенно новые горизонты научных открытий».

Q8W3K0

Q8W3K0: потенциальный белок устойчивости растений к болезням. 1 кредит

Важный инструмент для ученых

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

Более 1000 научных работ ссылаются на базу данных, и более 500 000 исследователей из более чем 190 стран получили доступ к базе данных AlphaFold, чтобы просмотреть более двух миллионов структур всего за один год.

Команда также видела, как исследователи используют AlphaFold для создания и адаптации таких инструментов, как фолдсек И Дали Это позволяет пользователям искать записи, похожие на определенный белок. Другие приняли основные идеи машинного обучения, лежащие в основе AlphaFold, чтобы сформировать основу списка новых алгоритмов в этой области или применить их в таких областях, как Прогноз структуры РНК или же Разрабатывать новые модели для дизайна белков.

Влияние и будущее AlphaFold и базы данных

AlphaFold также продемонстрировал влияние в таких областях, как улучшение нашей способности Борьба с пластиковым загрязнениемполучить представление болезнь Паркинсонаи более здоровье медоносной пчелыПонимание Как образуется лед?лечить запущенные болезни Такие как болезнь Шагаса, лейшманиоз и разведка эволюция человека.

«Мы выпустили AlphaFold в надежде, что другие команды смогут извлечь уроки из достигнутого нами прогресса и развить его, и было приятно видеть, что это произошло так быстро. Несколько других организаций, занимающихся исследованиями ИИ, сейчас выходят в эту область и опираются на прогресс, достигнутый AlphaFold. «Это действительно новая эра в структурной биологии, и методы на основе ИИ приведут к удивительным достижениям», — 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 с использованием структур AlphaFold; Самир Виланкар, руководитель группы EMBL-EBI Protein Data Bank в Европа, сказала: «Я никогда раньше не видел ничего подобного».

DeepMind и EMBL-EBI будут продолжать периодически обновлять базу данных с целью улучшения функций и возможностей в ответ на отзывы пользователей. Доступ к структурам останется полностью открытым под лицензией CC-BY 4.0, а массовые загрузки будут доступны через Общедоступные наборы данных Google Cloud.

READ  Watch the launch of the James Webb Space Telescope at 7:20 a.m. ET

Olga Dmitrieva

Любитель алкоголя. Возмутитель спокойствия. Интроверт. Студент. Любитель социальных сетей. Веб-ниндзя. Поклонник Бэкона. Читатель

Добавить комментарий

Ваш адрес email не будет опубликован.

Наверх