Görüntü kaynağı: Sınırsız AI tarafından oluşturuldu
1 Kasım'da, Google'a bağlı bir AI araştırma enstitüsü olan DeepMind, resmi web sitesinde protein yapısı tahmin modeli AlphaFold'un en son teknolojik ilerlemesini yayınladı: tahmin doğruluğunu önemli ölçüde iyileştirdi ve kapsamı proteinlerden ligandlar (küçük moleküller) dahil olmak üzere diğer biyomoleküllere genişletti.
AlphaFold'un, ligandlar, proteinler, nükleik asitler (DNA ve RNA) ve translasyon sonrası modifikasyonlar (PTM'ler) içeren moleküller dahil olmak üzere protein veri tabanındaki (PDB) hemen hemen tüm molekülleri, farmasötik araştırmalar için gerekli olan atomik hassasiyet laboratuvarları seviyesine kadar tahmin edebildiği bilinmektedir.
Alphafold Protein Yapısı Veritabanı:
Son gelişmeler:
Protein Katlanmasının Ötesinde
Google, 2020'de AlphaFold'u ilk kez piyasaya sürdüğünden beri, proteinlerin ve etkileşimlerinin anlaşılma biçiminde devrim yarattı, proteinlerin üç boyutlu yapısını başarılı bir şekilde tahmin etti ve biyolojik bilimler alanında büyük teknolojik atılımların gerçekleştirilmesine yardımcı oldu.
AlphaFold, tek sarmallı protein tahmininde temel bir atılımdır. AlphaFold-Multimer daha sonra birden fazla protein zinciri içeren komplekslere genişledi, ardından performansı artırmak ve daha büyük komplekslerin kapsamını genişletmek için AlphaFold 2.3 geldi.
2022'de, AlphaFold'un bilim tarafından bilinen neredeyse tüm kataloglanmış proteinleri kapsayan yapısal tahminleri, Avrupa Biyoinformatik Enstitüsü (EMBL-EBI) ile yapılan bir işbirliği aracılığıyla AlphaFold Protein Yapısı Veritabanında ücretsiz olarak kullanıma sunuldu.
Bugüne kadar, 190'dan fazla ülkede 1,4 milyon kullanıcı AlphaFold protein yapısı veritabanına erişti ve dünyanın dört bir yanındaki bilim insanları, yeni sıtma aşılarının geliştirilmesini hızlandırmaktan ve kanser ilacı keşfini ilerletmekten**, kirlilikle mücadele etmek için plastik parçalayıcı enzimler geliştirmeye kadar uzanan araştırmaları ilerletmek için AlphaFold'un tahminlerini kullandı.
En son AlphaFold modeli, protein katlanması ile sınırlı değildir, aynı zamanda ligandlar, proteinler, nükleik asitler ve translasyon sonrası modifikasyonlar için son derece doğru yapısal tahminler üretir.
İlaç Geliştirmenin Hızlandırılması
Veri analizi, en son AlphaFold modelinin, antikor bağlanması gibi ilaç keşfi ile ilgili bazı protein yapısı tahmin problemlerinde AlphaFold 2.3'ten önemli ölçüde daha iyi olduğunu gösterdi. Ek olarak, protein, ligand yapısının doğru tahmini, bilim adamlarının ilaç haline gelebilecek yeni molekülleri tanımlamasına ve tasarlamasına yardımcı olabilecek ilaç keşfi için önemli bir araçtır.
İlaç endüstrisindeki mevcut standart, ligandlar ve proteinler arasındaki etkileşimi belirlemek için bir "yerleştirme yöntemi" kullanmaktır. Bu yerleştirme yöntemleri, sert bir referans protein yapısı ve önerilen bir ligand bağlanma bölgesi gerektirir.
En son AlphaFold modeli, protein yapısına veya ligand ceplerinin konumuna atıfta bulunmaya gerek kalmadan, en iyi rapor edilenden daha iyi yerleştirme yöntemleriyle protein-ligand yapısı tahmini için yeni bir standart belirliyor ve daha önce yapısal olarak hiç karakterize edilmemiş tamamen yeni proteinlerin tahminlerine izin veriyor.
Tüm atomların konumu da birlikte modellenebilir, bu da proteinlerin ve nükleik asitlerin diğer moleküllerle etkileşime girmede tam doğal esnekliğini temsil etmesine izin verir, bu da yerleştirme yöntemleriyle mümkün değildir.
Örneğin, en son AlphaFold modeli (renkli olarak gösterilen) tarafından tahmin edilen yapıların deneysel olarak belirlenen yapılarla (gri renkle gösterilen) yakından eşleştiği, yakın zamanda yayınlanmış, tedaviyle ilgili üç vaka bulunmaktadır:
PORCN (1), KRAS (2) ve PI5P4Kγ (3) için tahminler.
PORCN: Hedefine ve başka bir proteine bağlanan klinik aşamalı bir anti-kanser molekülü.
KRAS: Önemli bir kanser hedefinin kovalent ligandı (moleküler bir yapıştırıcı) ile oluşturulan üçlü bir kompleks.
PI5P4Kγ: Kanser ve bağışıklık hastalıkları dahil olmak üzere birçok hastalık etkisi olan lipid kinazların seçici bir allosterik inhibitörü.
Yeni Bir Biyoloji Anlayışı
En son AlphaFold modeli, protein ve ligand yapılarının yanı sıra nükleik asitlerin ve translasyon sonrası modifikasyonları içeren yapıların modellenmesinin kilidini açarak, altta yatan biyolojiyi incelemek için daha hızlı ve daha doğru bir araç sağlar.
Örneğin, CasLambda'nın CRISPR ailesinin bir parçası olan crRNA ve DNA'ya bağlanma yapısını içerir.
CasLambda, araştırmacıların hayvanların, bitkilerin ve mikropların DNA'sını değiştirmek için kullanabilecekleri, yaygın olarak "gen makası" olarak bilinen CRISPR-Cas9 sistemi ile gen düzenlemenin gücünü paylaşıyor. CasLambda'nın daha küçük boyutu, gen düzenlemede kullanımı daha verimli hale getirebilir.
crRNA ve DNA'ya (CRISPR alt sisteminin bir parçası) bağlı CasLambda'nın (Cas12l) tahmin edilen yapısı.
AlphaFold'un bu tür karmaşık sistemleri modelleme yeteneği, yapay zeka modellerinin tıbbi biyoteknoloji topluluğunun bu tür mekanizmaları daha iyi anlamasına ve terapötik süreçte uygulamalarını hızlandırmasına yardımcı olabileceğini gösteriyor.
Google'ın DeepMind'ına göre, en son AlphaFold modeli, genomik, biyolojik yenilenebilir malzemeler, bitki bağışıklığı, potansiyel terapötik hedefler, ilaç tasarımı ve daha fazlası için ayrıntılı ve önemli tahminler sağlayarak biyomedikal atılımlara yardımcı olabilir ve bir sonraki "dijital biyoloji" çağını inşa edebilir.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Google'ın AlphaFold modeli büyük bir atılım başlattı! Biyomoleküller, ligandlar tahmin edilebilir
Orijinal kaynak: AIGC Açık Topluluğu
1 Kasım'da, Google'a bağlı bir AI araştırma enstitüsü olan DeepMind, resmi web sitesinde protein yapısı tahmin modeli AlphaFold'un en son teknolojik ilerlemesini yayınladı: tahmin doğruluğunu önemli ölçüde iyileştirdi ve kapsamı proteinlerden ligandlar (küçük moleküller) dahil olmak üzere diğer biyomoleküllere genişletti.
AlphaFold'un, ligandlar, proteinler, nükleik asitler (DNA ve RNA) ve translasyon sonrası modifikasyonlar (PTM'ler) içeren moleküller dahil olmak üzere protein veri tabanındaki (PDB) hemen hemen tüm molekülleri, farmasötik araştırmalar için gerekli olan atomik hassasiyet laboratuvarları seviyesine kadar tahmin edebildiği bilinmektedir.
Alphafold Protein Yapısı Veritabanı:
Son gelişmeler:
Protein Katlanmasının Ötesinde
Google, 2020'de AlphaFold'u ilk kez piyasaya sürdüğünden beri, proteinlerin ve etkileşimlerinin anlaşılma biçiminde devrim yarattı, proteinlerin üç boyutlu yapısını başarılı bir şekilde tahmin etti ve biyolojik bilimler alanında büyük teknolojik atılımların gerçekleştirilmesine yardımcı oldu.
AlphaFold, tek sarmallı protein tahmininde temel bir atılımdır. AlphaFold-Multimer daha sonra birden fazla protein zinciri içeren komplekslere genişledi, ardından performansı artırmak ve daha büyük komplekslerin kapsamını genişletmek için AlphaFold 2.3 geldi.
2022'de, AlphaFold'un bilim tarafından bilinen neredeyse tüm kataloglanmış proteinleri kapsayan yapısal tahminleri, Avrupa Biyoinformatik Enstitüsü (EMBL-EBI) ile yapılan bir işbirliği aracılığıyla AlphaFold Protein Yapısı Veritabanında ücretsiz olarak kullanıma sunuldu.
En son AlphaFold modeli, protein katlanması ile sınırlı değildir, aynı zamanda ligandlar, proteinler, nükleik asitler ve translasyon sonrası modifikasyonlar için son derece doğru yapısal tahminler üretir.
İlaç Geliştirmenin Hızlandırılması
Veri analizi, en son AlphaFold modelinin, antikor bağlanması gibi ilaç keşfi ile ilgili bazı protein yapısı tahmin problemlerinde AlphaFold 2.3'ten önemli ölçüde daha iyi olduğunu gösterdi. Ek olarak, protein, ligand yapısının doğru tahmini, bilim adamlarının ilaç haline gelebilecek yeni molekülleri tanımlamasına ve tasarlamasına yardımcı olabilecek ilaç keşfi için önemli bir araçtır.
İlaç endüstrisindeki mevcut standart, ligandlar ve proteinler arasındaki etkileşimi belirlemek için bir "yerleştirme yöntemi" kullanmaktır. Bu yerleştirme yöntemleri, sert bir referans protein yapısı ve önerilen bir ligand bağlanma bölgesi gerektirir.
En son AlphaFold modeli, protein yapısına veya ligand ceplerinin konumuna atıfta bulunmaya gerek kalmadan, en iyi rapor edilenden daha iyi yerleştirme yöntemleriyle protein-ligand yapısı tahmini için yeni bir standart belirliyor ve daha önce yapısal olarak hiç karakterize edilmemiş tamamen yeni proteinlerin tahminlerine izin veriyor.
Tüm atomların konumu da birlikte modellenebilir, bu da proteinlerin ve nükleik asitlerin diğer moleküllerle etkileşime girmede tam doğal esnekliğini temsil etmesine izin verir, bu da yerleştirme yöntemleriyle mümkün değildir.
Örneğin, en son AlphaFold modeli (renkli olarak gösterilen) tarafından tahmin edilen yapıların deneysel olarak belirlenen yapılarla (gri renkle gösterilen) yakından eşleştiği, yakın zamanda yayınlanmış, tedaviyle ilgili üç vaka bulunmaktadır:
PORCN: Hedefine ve başka bir proteine bağlanan klinik aşamalı bir anti-kanser molekülü.
KRAS: Önemli bir kanser hedefinin kovalent ligandı (moleküler bir yapıştırıcı) ile oluşturulan üçlü bir kompleks.
PI5P4Kγ: Kanser ve bağışıklık hastalıkları dahil olmak üzere birçok hastalık etkisi olan lipid kinazların seçici bir allosterik inhibitörü.
Yeni Bir Biyoloji Anlayışı
En son AlphaFold modeli, protein ve ligand yapılarının yanı sıra nükleik asitlerin ve translasyon sonrası modifikasyonları içeren yapıların modellenmesinin kilidini açarak, altta yatan biyolojiyi incelemek için daha hızlı ve daha doğru bir araç sağlar.
Örneğin, CasLambda'nın CRISPR ailesinin bir parçası olan crRNA ve DNA'ya bağlanma yapısını içerir.
CasLambda, araştırmacıların hayvanların, bitkilerin ve mikropların DNA'sını değiştirmek için kullanabilecekleri, yaygın olarak "gen makası" olarak bilinen CRISPR-Cas9 sistemi ile gen düzenlemenin gücünü paylaşıyor. CasLambda'nın daha küçük boyutu, gen düzenlemede kullanımı daha verimli hale getirebilir.
AlphaFold'un bu tür karmaşık sistemleri modelleme yeteneği, yapay zeka modellerinin tıbbi biyoteknoloji topluluğunun bu tür mekanizmaları daha iyi anlamasına ve terapötik süreçte uygulamalarını hızlandırmasına yardımcı olabileceğini gösteriyor.
Google'ın DeepMind'ına göre, en son AlphaFold modeli, genomik, biyolojik yenilenebilir malzemeler, bitki bağışıklığı, potansiyel terapötik hedefler, ilaç tasarımı ve daha fazlası için ayrıntılı ve önemli tahminler sağlayarak biyomedikal atılımlara yardımcı olabilir ve bir sonraki "dijital biyoloji" çağını inşa edebilir.