مصدر الصورة: تم إنشاؤه بواسطة الذكاء الاصطناعي غير محدود
في 1 نوفمبر ، أصدر DeepMind ، وهو معهد أبحاث الذكاء الاصطناعي تابع لشركة Google ، على موقعه الرسمي على الإنترنت أحدث تقدم تكنولوجي لنموذج التنبؤ ببنية البروتين AlphaFold: لقد حسن بشكل كبير دقة التنبؤ ووسع التغطية من البروتينات إلى الجزيئات الحيوية الأخرى ، بما في ذلك الروابط (جزيئات صغيرة).
من المعروف أن AlphaFold قادر على التنبؤ بجميع الجزيئات تقريبا في قاعدة بيانات البروتين (PDB) ، بما في ذلك الروابط والبروتينات والأحماض النووية (DNA و RNA) والجزيئات التي تحتوي على تعديلات ما بعد الترجمة (PTMs) ، إلى مستوى مختبرات الدقة الذرية ، وهو أمر ضروري للبحوث الصيدلانية.
قاعدة بيانات بنية البروتين Alphafold:
آخر التطورات:
ما وراء طي البروتين
منذ أن أصدرت Google AlphaFold لأول مرة في عام 2020 ، أحدثت ثورة في طريقة فهم البروتينات وتفاعلاتها ، ونجحت في التنبؤ بالبنية ثلاثية الأبعاد للبروتينات ، وساعدت في تحقيق اختراقات تكنولوجية كبيرة في مجال العلوم البيولوجية.
AlphaFold هو اختراق أساسي في التنبؤ بالبروتين أحادي الشريط. ثم توسع AlphaFold-Multimer إلى مجمعات تحتوي على سلاسل بروتينية متعددة ، تليها AlphaFold 2.3 لتحسين الأداء وتوسيع تغطية المجمعات الأكبر.
في عام 2022 ، تم توفير تنبؤات AlphaFold الهيكلية ، والتي تغطي تقريبا جميع البروتينات المفهرسة المعروفة للعلم ، مجانا في قاعدة بيانات بنية البروتين AlphaFold من خلال التعاون مع المعهد الأوروبي للمعلوماتية الحيوية (EMBL-EBI).
وحتى الآن، تمكن 1.4 مليون مستخدم في أكثر من 190 دولة من الوصول إلى قاعدة بيانات بنية البروتين AlphaFold، واستخدم العلماء في جميع أنحاء العالم تنبؤات AlphaFold للمساعدة في تطوير الأبحاث التي تتراوح من تسريع تطوير لقاحات جديدة للملاريا وتعزيز اكتشاف أدوية السرطان **، إلى تطوير إنزيمات تحلل البلاستيك لمعالجة التلوث.
لا يقتصر أحدث طراز AlphaFold على طي البروتين ، ولكنه يولد أيضا تنبؤات هيكلية عالية الدقة للروابط والبروتينات والأحماض النووية وتعديلات ما بعد الترجمة.
تسريع تطوير الأدوية
أظهر تحليل البيانات أن أحدث نموذج AlphaFold كان أفضل بكثير من AlphaFold 2.3 في بعض مشاكل التنبؤ ببنية البروتين المتعلقة باكتشاف الأدوية ، مثل ارتباط الأجسام المضادة. بالإضافة إلى ذلك ، يعد التنبؤ الدقيق ببنية البروتين والرباط أداة مهمة لاكتشاف الأدوية ، والتي يمكن أن تساعد العلماء على تحديد وتصميم جزيئات جديدة قد تصبح أدوية.
المعيار الحالي في صناعة الأدوية هو استخدام "طريقة الالتحام" لتحديد التفاعل بين الروابط والبروتينات. تتطلب طرق الالتحام هذه بنية بروتين مرجعية صلبة وموقع ربط ليجند مقترح.
يضع أحدث طراز AlphaFold معيارا جديدا للتنبؤ ببنية البروتين والليجند من خلال طرق الالتحام الأفضل من الأفضل المبلغ عنها ، دون الحاجة إلى الإشارة إلى بنية البروتين أو موقع جيوب الليجند ، مما يسمح بالتنبؤات ببروتينات جديدة تماما لم يتم توصيفها هيكليا من قبل.
يمكن أيضا نمذجة موضع جميع الذرات ، مما يسمح لها بتمثيل المرونة الكاملة المتأصلة للبروتينات والأحماض النووية في التفاعل مع الجزيئات الأخرى ، وهو أمر غير ممكن مع طرق الالتحام.
على سبيل المثال ، فيما يلي ثلاث حالات منشورة مؤخرا متعلقة بالعلاج تتطابق فيها الهياكل التي تنبأ بها أحدث طراز AlphaFold (كما هو موضح بالألوان) بشكل وثيق مع الهياكل المحددة تجريبيا (كما هو موضح باللون الرمادي):
تنبؤات PORCN (1) و KRAS (2) و PI5P4Kγ (3).
PORCN: جزيء مضاد للسرطان في المرحلة السريرية يرتبط بهدفه بالإضافة إلى بروتين آخر.
كراس: مركب ثلاثي يتكون من ليجند تساهمي (غراء جزيئي) لهدف مهم للسرطان.
PI5P4Kγ: مثبط خيفي انتقائي لكينازات الدهون مع تأثيرات مرضية متعددة بما في ذلك السرطان وأمراض المناعة.
فهم جديد لعلم الأحياء
من خلال فتح نمذجة هياكل البروتين والليجند ، وكذلك الأحماض النووية والهياكل التي تحتوي على تعديلات ما بعد الترجمة ، يوفر أحدث نموذج AlphaFold أداة أسرع وأكثر دقة لفحص البيولوجيا الأساسية.
على سبيل المثال ، يتضمن هيكل CasLambda المرتبط ب crRNA و DNA ، وهو جزء من عائلة CRISPR.
تشترك CasLambda في قوة تحرير الجينات مع نظام CRISPR-Cas9 ، المعروف على نطاق واسع باسم "مقص الجينات" ، والذي يمكن للباحثين استخدامه لتغيير الحمض النووي للحيوانات والنباتات والميكروبات. قد يجعل الحجم الأصغر ل CasLambda استخدامه أكثر كفاءة في تحرير الجينات.
البنية المتوقعة ل CasLambda (Cas12l) مرتبطة ب crRNA و DNA (جزء من نظام CRISPR الفرعي).
تشير قدرة AlphaFold على نمذجة مثل هذه الأنظمة المعقدة إلى أن النماذج الذكاء الاصطناعي يمكن أن تساعد مجتمع التكنولوجيا الحيوية الطبية على فهم هذه الأنواع من الآليات بشكل أفضل وتسريع تطبيقها في العملية العلاجية.
وفقا ل DeepMind من Google ، يمكن أن يساعد أحدث نموذج AlphaFold في تحقيق اختراقات طبية حيوية وبناء العصر التالي من "البيولوجيا الرقمية" ، مما يوفر تنبؤات مفصلة ومهمة لعلم الجينوم ، والمواد المتجددة بيولوجيا ، ومناعة النبات ، والأهداف العلاجية المحتملة ، وتصميم الأدوية ، وأكثر من ذلك.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
لقد بشر نموذج AlphaFold من Google باختراق كبير! الجزيئات الحيوية ، يمكن التنبؤ بالروابط
المصدر الأصلي: مجتمع AIGC المفتوح
في 1 نوفمبر ، أصدر DeepMind ، وهو معهد أبحاث الذكاء الاصطناعي تابع لشركة Google ، على موقعه الرسمي على الإنترنت أحدث تقدم تكنولوجي لنموذج التنبؤ ببنية البروتين AlphaFold: لقد حسن بشكل كبير دقة التنبؤ ووسع التغطية من البروتينات إلى الجزيئات الحيوية الأخرى ، بما في ذلك الروابط (جزيئات صغيرة).
من المعروف أن AlphaFold قادر على التنبؤ بجميع الجزيئات تقريبا في قاعدة بيانات البروتين (PDB) ، بما في ذلك الروابط والبروتينات والأحماض النووية (DNA و RNA) والجزيئات التي تحتوي على تعديلات ما بعد الترجمة (PTMs) ، إلى مستوى مختبرات الدقة الذرية ، وهو أمر ضروري للبحوث الصيدلانية.
قاعدة بيانات بنية البروتين Alphafold:
آخر التطورات:
ما وراء طي البروتين
منذ أن أصدرت Google AlphaFold لأول مرة في عام 2020 ، أحدثت ثورة في طريقة فهم البروتينات وتفاعلاتها ، ونجحت في التنبؤ بالبنية ثلاثية الأبعاد للبروتينات ، وساعدت في تحقيق اختراقات تكنولوجية كبيرة في مجال العلوم البيولوجية.
AlphaFold هو اختراق أساسي في التنبؤ بالبروتين أحادي الشريط. ثم توسع AlphaFold-Multimer إلى مجمعات تحتوي على سلاسل بروتينية متعددة ، تليها AlphaFold 2.3 لتحسين الأداء وتوسيع تغطية المجمعات الأكبر.
في عام 2022 ، تم توفير تنبؤات AlphaFold الهيكلية ، والتي تغطي تقريبا جميع البروتينات المفهرسة المعروفة للعلم ، مجانا في قاعدة بيانات بنية البروتين AlphaFold من خلال التعاون مع المعهد الأوروبي للمعلوماتية الحيوية (EMBL-EBI).
لا يقتصر أحدث طراز AlphaFold على طي البروتين ، ولكنه يولد أيضا تنبؤات هيكلية عالية الدقة للروابط والبروتينات والأحماض النووية وتعديلات ما بعد الترجمة.
تسريع تطوير الأدوية
أظهر تحليل البيانات أن أحدث نموذج AlphaFold كان أفضل بكثير من AlphaFold 2.3 في بعض مشاكل التنبؤ ببنية البروتين المتعلقة باكتشاف الأدوية ، مثل ارتباط الأجسام المضادة. بالإضافة إلى ذلك ، يعد التنبؤ الدقيق ببنية البروتين والرباط أداة مهمة لاكتشاف الأدوية ، والتي يمكن أن تساعد العلماء على تحديد وتصميم جزيئات جديدة قد تصبح أدوية.
المعيار الحالي في صناعة الأدوية هو استخدام "طريقة الالتحام" لتحديد التفاعل بين الروابط والبروتينات. تتطلب طرق الالتحام هذه بنية بروتين مرجعية صلبة وموقع ربط ليجند مقترح.
يضع أحدث طراز AlphaFold معيارا جديدا للتنبؤ ببنية البروتين والليجند من خلال طرق الالتحام الأفضل من الأفضل المبلغ عنها ، دون الحاجة إلى الإشارة إلى بنية البروتين أو موقع جيوب الليجند ، مما يسمح بالتنبؤات ببروتينات جديدة تماما لم يتم توصيفها هيكليا من قبل.
يمكن أيضا نمذجة موضع جميع الذرات ، مما يسمح لها بتمثيل المرونة الكاملة المتأصلة للبروتينات والأحماض النووية في التفاعل مع الجزيئات الأخرى ، وهو أمر غير ممكن مع طرق الالتحام.
على سبيل المثال ، فيما يلي ثلاث حالات منشورة مؤخرا متعلقة بالعلاج تتطابق فيها الهياكل التي تنبأ بها أحدث طراز AlphaFold (كما هو موضح بالألوان) بشكل وثيق مع الهياكل المحددة تجريبيا (كما هو موضح باللون الرمادي):
PORCN: جزيء مضاد للسرطان في المرحلة السريرية يرتبط بهدفه بالإضافة إلى بروتين آخر.
كراس: مركب ثلاثي يتكون من ليجند تساهمي (غراء جزيئي) لهدف مهم للسرطان.
PI5P4Kγ: مثبط خيفي انتقائي لكينازات الدهون مع تأثيرات مرضية متعددة بما في ذلك السرطان وأمراض المناعة.
فهم جديد لعلم الأحياء
من خلال فتح نمذجة هياكل البروتين والليجند ، وكذلك الأحماض النووية والهياكل التي تحتوي على تعديلات ما بعد الترجمة ، يوفر أحدث نموذج AlphaFold أداة أسرع وأكثر دقة لفحص البيولوجيا الأساسية.
على سبيل المثال ، يتضمن هيكل CasLambda المرتبط ب crRNA و DNA ، وهو جزء من عائلة CRISPR.
تشترك CasLambda في قوة تحرير الجينات مع نظام CRISPR-Cas9 ، المعروف على نطاق واسع باسم "مقص الجينات" ، والذي يمكن للباحثين استخدامه لتغيير الحمض النووي للحيوانات والنباتات والميكروبات. قد يجعل الحجم الأصغر ل CasLambda استخدامه أكثر كفاءة في تحرير الجينات.
تشير قدرة AlphaFold على نمذجة مثل هذه الأنظمة المعقدة إلى أن النماذج الذكاء الاصطناعي يمكن أن تساعد مجتمع التكنولوجيا الحيوية الطبية على فهم هذه الأنواع من الآليات بشكل أفضل وتسريع تطبيقها في العملية العلاجية.
وفقا ل DeepMind من Google ، يمكن أن يساعد أحدث نموذج AlphaFold في تحقيق اختراقات طبية حيوية وبناء العصر التالي من "البيولوجيا الرقمية" ، مما يوفر تنبؤات مفصلة ومهمة لعلم الجينوم ، والمواد المتجددة بيولوجيا ، ومناعة النبات ، والأهداف العلاجية المحتملة ، وتصميم الأدوية ، وأكثر من ذلك.