Sonntag, August 14, 2022
StartTECHNOLOGIEDie Proteinfaltungs-KI von DeepMind löst das größte Problem der Biologie

Die Proteinfaltungs-KI von DeepMind löst das größte Problem der Biologie

- Anzeige -

DeepMind, ein Unternehmen für künstliche Intelligenz, hat die Biologie verändert, indem es in nur 18 Monaten die Struktur fast aller der Wissenschaft bekannten Proteine ​​vorhergesagt hat, ein Durchbruch, der die Arzneimittelentwicklung beschleunigen und die Grundlagenforschung revolutionieren wird.

DeepMind hat die Struktur fast aller bisher von der Wissenschaft katalogisierten Proteine ​​vorhergesagt und dank einer künstlichen Intelligenz namens AlphaFold eine der großen Herausforderungen der Biologie in nur 18 Monaten gelöst. Die Forscher sagen, dass die Arbeit bereits zu Fortschritten im Kampf gegen Malaria, Antibiotikaresistenz und Plastikmüll geführt hat und die Entdeckung neuer Medikamente beschleunigen könnte.

Die Bestimmung der zerknitterten Formen von Proteinen anhand ihrer Aminosäuresequenzen ist seit Jahrzehnten ein hartnäckiges Problem in der Biologie. Einige dieser Aminosäuren werden von anderen angezogen, andere werden von Wasser abgestoßen, und die Ketten bilden komplexe Formen, die schwer genau zu bestimmen sind.

Das in Großbritannien ansässige Unternehmen für künstliche Intelligenz DeepMind gab zum ersten Mal bekannt, dass es Ende 2020 eine Methode entwickelt hatte, um die Struktur gefalteter Proteine ​​​​genau vorherzusagen, und bis Mitte 2021 enthüllte es, dass es 98,5 % der im Menschen verwendeten Proteine ​​kartiert hatte Karosserie.

Heute gab das Unternehmen bekannt, dass es die Strukturen von mehr als 200 Millionen Proteinen veröffentlicht, von denen fast alle im weltweit anerkannten Proteinforschungsarchiv UniProt katalogisiert sind.

DeepMind hat sich mit dem European Bioinformatics Institute (EMBL-EBI) des European Molecular Biology Laboratory zusammengetan, um eine durchsuchbare Sammlung all dieser Informationen zu erstellen, auf die Forscher auf der ganzen Welt einfach und kostenlos zugreifen können. Ewan Birney vom EMBL-EBI nennt die Proteinstrukturdatenbank AlphaFold „ein Geschenk an die Menschheit“.

„Als jemand, der sich seit den 1990er Jahren mit Genomik und Computerbiologie beschäftigt, habe ich viele dieser Momente kommen sehen, in denen Sie die sich verändernde Landschaft unter sich und die Bereitstellung neuer Ressourcen spüren können, und dies war einer der schnellsten.“ er sagt. „Ich meine, vor zwei Jahren war uns einfach nicht klar, dass es machbar ist.“

Laut Demis Hassabis, CEO von DeepMind, macht die Datenbank die Suche nach einer Proteinstruktur, die früher oft Jahre dauerte, „fast so einfach wie eine Google-Suche“. DeepMind gehört Alphabet, der Muttergesellschaft von Google.

Das Archiv wurde bereits von Wissenschaftlern genutzt, um die Forschung in einer Reihe von Bereichen voranzutreiben. Matt Higgins von der University of Oxford und seine Kollegen forschten an einem Protein, von dem sie glaubten, dass es der Schlüssel zur Unterbrechung des Lebenszyklus des Malariaparasiten sei, hatten jedoch Schwierigkeiten, seine Struktur zu kartieren.

„Eine der experimentellen Methoden, die wir verwenden, ist die Röntgenkristallographie“, sagt Higgins. „Wir lassen die Proteine ​​zu Gittern formen, wir senden Röntgenstrahlen auf sie und wir erhalten Informationen aus diesen Röntgenbeugungsmustern, um zu sehen, wie das Molekül aussieht. Aber wir konnten trotz jahrelanger Arbeit nie detailliert genug sehen, wie dieses Molekül aussieht.“

Aber als AlphaFold veröffentlicht wurde, lieferte es eine klare Vorhersage der Struktur des Proteins, die mit den Informationen übereinstimmte, die die Forscher sammeln konnten. Sie sind nun in der Lage, neue Proteine ​​zu entwerfen, von denen sie hoffen, dass sie als wirksamer Impfstoff gegen Malaria dienen werden.

Laut Birney ist die Verwendung von Röntgenkristallographie zur Kartierung der Struktur eines Proteins teuer und zeitaufwändig. „Das bedeutet, dass Experimentatoren Entscheidungen darüber treffen müssen, was sie tun, und AlphaFold musste keine Entscheidungen treffen“, sagt er. „Ich denke, wir können zuversichtlich sein, dass es dank AlphaFold neue Experimente und neue Erkenntnisse geben wird, die sich beispielsweise darauf auswirken werden, ‚wie dieser bestimmte Parasit funktioniert‘ oder ‚warum diese bestimmte Krankheit beim Menschen auftritt‘.“

Die Forscher nutzten AlphaFold auch, um neue Enzyme zum Abbau von Plastikmüll zu entwickeln und mehr über die Proteine ​​zu erfahren, die Bakterien resistent gegen Antibiotika machen.

Keith Willison vom Imperial College London sagt, AlphaFold habe zweifellos „die Welt“ der biologischen Forschung „verändert“, aber es gebe immer noch Probleme bei der Proteinfaltung.

„Sobald AlphaFold herauskam, war es wunderbar. Du nimmst deine Lieblingsproteine ​​und suchst sie jetzt, anstatt Kristalle herstellen zu müssen“, sagt er. „Ich habe die kristallografische Struktur eines Proteinkomplexes gemacht, ich habe ungefähr acht Jahre gebraucht.

Aber Willison weist darauf hin, dass AlphaFold keine beliebigen Ketten von Aminosäuren nehmen und genau formen kann, wie sie sich falten. Stattdessen ist es in der Lage, nur Teile von Proteinen und deren Strukturen zu verwenden, die experimentell bestimmt wurden, um vorherzusagen, wie sich ein neues Protein falten wird.

Obwohl das Werkzeug oft, sogar normalerweise, äußerst genau ist, sind seine Strukturen immer eher Vorhersagen als explizit berechnete Ergebnisse. Weder hat AlphaFold die komplexen Wechselwirkungen zwischen Proteinen gelöst, noch hat es eine kleine Untergruppe von Strukturen, die als intrinsisch ungeordnete Proteine ​​bekannt sind und scheinbar instabile und unvorhersehbare Faltungsmuster aufweisen, verbeult.

„Sobald Sie es herausgefunden haben, gibt es weitere Probleme“, sagt Willison. „Eigentlich ist es ziemlich erschreckend, wie kompliziert die Biologie ist.“

Tomek Wlodarski Das University College London sagt, dass AlphaFold einen enormen Einfluss auf viele Bereiche der Biologie hatte, dass jedoch Verbesserungen an der Genauigkeit vorgenommen werden müssen und dass die Entwicklung eines Modells, wie sich Proteine ​​​​falten, nicht nur die Vorhersage ihrer endgültigen Struktur, ein Problem von DeepMind ist noch anzusprechen.

Wlodarski erklärt, dass AlphaFold nicht perfekt ist, obwohl es anzeigt, welche Teile einer Vorhersage eine hohe Genauigkeit aufweisen und in welchen Teilen sie weniger sicher ist.

Abgel T
Abgel T
Ich arbeite seit ca. 3 Jahren als Redakteurin in Bereichen wie Politik und Sport. Sie können an theaktuellenews@hotmail.com schreiben, um mich zu erreichen.
ZUGEHÖRIGE ARTIKEL

Kommentieren Sie den Artikel

Bitte geben Sie Ihren Kommentar ein!
Bitte geben Sie hier Ihren Namen ein

Anzeige

Am beliebtesten

Letzte Kommentare