1 листопада DeepMind, науково-дослідний інститут штучного інтелекту при Google, оприлюднив на своєму офіційному сайті останній технологічний прогрес моделі прогнозування структури білка AlphaFold: він значно підвищив точність прогнозування та розширив охоплення від білків до інших біомолекул, включаючи ліганди (малі молекули).
Відомо, що AlphaFold може передбачити майже всі молекули в базі даних білків (PDB), включаючи ліганди, білки, нуклеїнові кислоти (ДНК і РНК) і молекули, що містять посттрансляційні модифікації (PTM), до рівня атомно-прецизійних лабораторій, що важливо для фармацевтичних досліджень.
База даних структури альфа-фолдного білка:
Останні розробки:
За межами згортання білків
З того часу, як Google вперше випустив AlphaFold у 2020 році, він зробив революцію в розумінні білків та їх взаємодії, успішно передбачивши тривимірну структуру білків і допомігши досягти великих технологічних проривів у галузі біологічних наук.
AlphaFold є фундаментальним проривом у прогнозуванні одноланцюгових білків. Потім AlphaFold-Multimer розширився до комплексів, що містять кілька білкових ланцюгів, а потім AlphaFold 2.3 для підвищення продуктивності та розширення покриття більших комплексів.
У 2022 році структурні прогнози AlphaFold, які охоплюють практично всі відомі науці каталогізовані білки, були розміщені у вільному доступі в базі даних структури білка AlphaFold завдяки співпраці з Європейським інститутом біоінформатики (EMBL-EBI).
На сьогоднішній день 1,4 мільйона користувачів у більш ніж 190 країнах отримали доступ до бази даних структури білка AlphaFold, і вчені з усього світу використовували прогнози AlphaFold для просування досліджень, починаючи від прискорення розробки нових вакцин проти малярії та просування відкриття ліків від раку** до розробки ферментів, що розкладають пластик, для боротьби із забрудненням.
Новітня модель AlphaFold не обмежується згортанням білків, але також генерує високоточні структурні прогнози для лігандів, білків, нуклеїнових кислот і посттрансляційних модифікацій.
Прискорення розробки ліків
Аналіз даних показав, що остання модель AlphaFold була значно кращою, ніж AlphaFold 2.3, у деяких проблемах прогнозування структури білка, пов'язаних з відкриттям ліків, таких як зв'язування антитіл. Крім того, точне прогнозування структури білка, ліганду є важливим інструментом для відкриття ліків, що може допомогти вченим ідентифікувати та розробити нові молекули, які можуть стати ліками.
Сучасний стандарт у фармацевтичній промисловості полягає у використанні «стикувального методу» для визначення взаємодії між лігандами та білками. Ці методи докінгу вимагають жорсткої еталонної структури білка та запропонованого місця зв'язування лігандів.
Остання модель AlphaFold встановлює новий стандарт для прогнозування структури білка-ліганду за допомогою кращих, ніж повідомлялося, методів докінгу, без необхідності прив'язуватися до структури білка або розташування кишень лігандів, що дозволяє прогнозувати абсолютно нові білки, які ніколи раніше не були структурно охарактеризовані.
Положення всіх атомів також може бути змодельовано, що дозволяє представляти повну властиву білкам і нуклеїновим кислотам гнучкість у взаємодії з іншими молекулами, що неможливо при методах стикування.
Наприклад, ось три нещодавно опубліковані випадки, пов'язані з лікуванням, в яких структури, передбачені останньою моделлю AlphaFold (показані кольором), точно збігалися з експериментально визначеними структурами (показані сірим кольором):
Прогнози для PORCN (1), KRAS (2) та PI5P4Kγ (3).
PORCN: Протиракова молекула на клінічній стадії, яка зв'язується зі своєю мішенню, а також з іншим білком.
PI5P4Kγ: селективний алостеричний інгібітор ліпідкіназ з численними наслідками захворювання, включаючи рак та імунні захворювання.
Нове розуміння біології
Розблоковуючи моделювання білкових і лігандних структур, а також нуклеїнових кислот і структур, що містять посттрансляційні модифікації, новітня модель AlphaFold забезпечує швидший і точніший інструмент для вивчення базової біології.
Наприклад, він включає структуру CasLambda, що зв'язується з крРНК і ДНК, яка входить до сімейства CRISPR.
CasLambda поділяє можливості редагування генів із системою CRISPR-Cas9, широко відомою як «генні ножиці», яку дослідники можуть використовувати для зміни ДНК тварин, рослин і мікробів. Менший розмір CasLambda може зробити його більш ефективним для використання в редагуванні генів.
Прогнозована структура CasLambda (Cas12l), зв'язаної з крРНК та ДНК (частина підсистеми CRISPR).
Здатність AlphaFold моделювати такі складні системи свідчить про те, що моделі штучного інтелекту можуть допомогти медичній біотехнологічній спільноті краще зрозуміти ці типи механізмів і прискорити їх застосування в терапевтичному процесі.
За даними DeepMind від Google, остання модель AlphaFold може допомогти біомедичним проривам і побудувати наступну еру «цифрової біології», надаючи детальні та важливі прогнози щодо геноміки, біовідновлюваних матеріалів, імунітету рослин, потенційних терапевтичних цілей, дизайну ліків тощо.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Модель AlphaFold від Google відкрила великий прорив! Біомолекули, ліганди можна передбачити
Першоджерело: AIGC Open Community
1 листопада DeepMind, науково-дослідний інститут штучного інтелекту при Google, оприлюднив на своєму офіційному сайті останній технологічний прогрес моделі прогнозування структури білка AlphaFold: він значно підвищив точність прогнозування та розширив охоплення від білків до інших біомолекул, включаючи ліганди (малі молекули).
Відомо, що AlphaFold може передбачити майже всі молекули в базі даних білків (PDB), включаючи ліганди, білки, нуклеїнові кислоти (ДНК і РНК) і молекули, що містять посттрансляційні модифікації (PTM), до рівня атомно-прецизійних лабораторій, що важливо для фармацевтичних досліджень.
База даних структури альфа-фолдного білка:
Останні розробки:
За межами згортання білків
З того часу, як Google вперше випустив AlphaFold у 2020 році, він зробив революцію в розумінні білків та їх взаємодії, успішно передбачивши тривимірну структуру білків і допомігши досягти великих технологічних проривів у галузі біологічних наук.
AlphaFold є фундаментальним проривом у прогнозуванні одноланцюгових білків. Потім AlphaFold-Multimer розширився до комплексів, що містять кілька білкових ланцюгів, а потім AlphaFold 2.3 для підвищення продуктивності та розширення покриття більших комплексів.
У 2022 році структурні прогнози AlphaFold, які охоплюють практично всі відомі науці каталогізовані білки, були розміщені у вільному доступі в базі даних структури білка AlphaFold завдяки співпраці з Європейським інститутом біоінформатики (EMBL-EBI).
Новітня модель AlphaFold не обмежується згортанням білків, але також генерує високоточні структурні прогнози для лігандів, білків, нуклеїнових кислот і посттрансляційних модифікацій.
Прискорення розробки ліків
Аналіз даних показав, що остання модель AlphaFold була значно кращою, ніж AlphaFold 2.3, у деяких проблемах прогнозування структури білка, пов'язаних з відкриттям ліків, таких як зв'язування антитіл. Крім того, точне прогнозування структури білка, ліганду є важливим інструментом для відкриття ліків, що може допомогти вченим ідентифікувати та розробити нові молекули, які можуть стати ліками.
Сучасний стандарт у фармацевтичній промисловості полягає у використанні «стикувального методу» для визначення взаємодії між лігандами та білками. Ці методи докінгу вимагають жорсткої еталонної структури білка та запропонованого місця зв'язування лігандів.
Остання модель AlphaFold встановлює новий стандарт для прогнозування структури білка-ліганду за допомогою кращих, ніж повідомлялося, методів докінгу, без необхідності прив'язуватися до структури білка або розташування кишень лігандів, що дозволяє прогнозувати абсолютно нові білки, які ніколи раніше не були структурно охарактеризовані.
Положення всіх атомів також може бути змодельовано, що дозволяє представляти повну властиву білкам і нуклеїновим кислотам гнучкість у взаємодії з іншими молекулами, що неможливо при методах стикування.
Наприклад, ось три нещодавно опубліковані випадки, пов'язані з лікуванням, в яких структури, передбачені останньою моделлю AlphaFold (показані кольором), точно збігалися з експериментально визначеними структурами (показані сірим кольором):
PORCN: Протиракова молекула на клінічній стадії, яка зв'язується зі своєю мішенню, а також з іншим білком.
KRAS: Потрійний комплекс, утворений ковалентним лігандом (молекулярним клеєм) важливої мішені раку.
PI5P4Kγ: селективний алостеричний інгібітор ліпідкіназ з численними наслідками захворювання, включаючи рак та імунні захворювання.
Нове розуміння біології
Розблоковуючи моделювання білкових і лігандних структур, а також нуклеїнових кислот і структур, що містять посттрансляційні модифікації, новітня модель AlphaFold забезпечує швидший і точніший інструмент для вивчення базової біології.
Наприклад, він включає структуру CasLambda, що зв'язується з крРНК і ДНК, яка входить до сімейства CRISPR.
CasLambda поділяє можливості редагування генів із системою CRISPR-Cas9, широко відомою як «генні ножиці», яку дослідники можуть використовувати для зміни ДНК тварин, рослин і мікробів. Менший розмір CasLambda може зробити його більш ефективним для використання в редагуванні генів.
Здатність AlphaFold моделювати такі складні системи свідчить про те, що моделі штучного інтелекту можуть допомогти медичній біотехнологічній спільноті краще зрозуміти ці типи механізмів і прискорити їх застосування в терапевтичному процесі.
За даними DeepMind від Google, остання модель AlphaFold може допомогти біомедичним проривам і побудувати наступну еру «цифрової біології», надаючи детальні та важливі прогнози щодо геноміки, біовідновлюваних матеріалів, імунітету рослин, потенційних терапевтичних цілей, дизайну ліків тощо.