DeepMind bereet fir Biologesch Wëssenschaften ze transforméieren andeems Protein Folding Problem léist

Google's AI Divisioun DeepMind huet viru kuerzem bedeitend Fortschrëtter gemaach fir eng vun den eelsten Erausfuerderungen an der Biologie ze léisen, Berechnung vun der Form vun engem Protein aus enger Aminosaier Sequenz. No der Natur huet den Duerchbroch d'Potenzial fir d'Felder vun der Biologie a Chimie ze transforméieren, wat d'Wëssenschaftler et erméiglecht d'Funktioun vu ville Proteinen ze bestëmmen déi momentan mysteriéis sinn.

D'Form vun engem Protein definéiert seng Funktioun, an déi meescht biologesch Funktiounen sinn ofhängeg vun Proteinen. "Protein ausklappen" ass den Numm deen de Prozess deen Ketten vun Aminosäuren an déi dreidimensional Strukture konvertéiert, déi d'Protione brauchen fir hir Funktiounen auszeféieren. Wann d'Wëssenschaftler d'Relatioun tëscht Aminosaier Sequenzen an der Form vun de Proteinen bestëmmen, déi se generéieren, kënne se bestëmmen, wéi eng Proteine ​​verschidde biologesch Prozesser beaflossen.

Wëssenschaftler hypothetiséieren datt et op d'mannst 80,000 Proteinen am mënschleche Proteom sinn, awer nëmmen eng kleng Fraktioun vun dëse Proteinen hunn bekannte Strukturen. Déi traditionell Method fir d'Form vun engem Protein ze bestëmmen kann Joer Laborexperimenter daueren, souguer d'Kraaft vun Informatik Algorithmen a Modeller profitéieren. D'Aarbecht, déi vum DeepMind gemaach gëtt, kann de Prozess vun der Entdeckung vun Proteinstrukturen dramatesch beschleunegen, zouverlässeg d'Struktur vun Proteinen an enger Fraktioun vun der normaler Zäit bestëmmen.

Fuerscher bei DeepMind trainéiert hir Algorithmen op der Datebank aus ongeféier 170,0000 Proteinsequenzen an d'Formen, déi mat dëse Sequenzen entspriechen. D'Algorithmen, déi vun de Fuerscher entwéckelt goufen, goufen op tëscht 100 an 200 GPUs trainéiert, an den Trainingsprozess huet e puer Wochen gedauert. De Modell entwéckelt d'Fuerscher gouf "AlphaFold" genannt.

AlphaFold operéiert duerch e "Spannungsalgorithmus", fänkt u kleng Stécker vum Protein zesummen ze verbannen an duerno opzebauen fir méi a méi grouss Sektiounen ze verbannen. Kleng Aminosaier Cluster goufen am Ufank matenee verbonnen, an dunn huet den Algorithmus probéiert Weeër ze fannen fir dës Cluster ze verbannen.

AlphaFold Fuerscher hunn am Ufank probéiert konventionell Deep Learning Algorithmen op genetesch a strukturell Donnéeën ze benotzen fir d'Relatioun tëscht Aminosäuren a Proteinen virauszesoen. AlphaFold huet dunn Konsensmodeller fir de Stil vun de Proteinen erstallt. Wann dës Technik ze vill Aschränkungen bewisen huet, hunn d'Fuerscher eng nei Strategie probéiert. D'AlphaFold Fuerschungsteam huet Modeller erstallt, déi op méi Features trainéiert goufen, an dës Kéier haten se d'Prognosen vum Modell zréck fir déi definitiv Struktur vun de Proteinsequenzen.

D'Ingenieurteam Stress getest AlphaFold andeems se et an e Concours deelhuelen wou Computeralgorithmen konkurréiere fir d'Struktur vun engem Protein aus Aminosaier Sequenzen ze bewäerten. De Concours war de "Critical Assessment of Protein Structure Prediction" oder CASP. D'Participanten am Concours kréien 100 Aminosaier Sequenzen an hir Modeller mussen d'Struktur vun de Proteinen ausschaffen. Net nëmmen huet AlphaFold déi aner Computermodeller a punkto Genauegkeet geschloen, awer et huet och vergläichbar mat den traditionellen, Labo-baséierte Modellertechniken gemaach. Dem AlphaFold säi finalen Mediane Score war ongeféier 92 vun 100, mat Labo-baséiert experimentell Methoden déi e Score vun 90 zougewisen hunn. De Median Score vun AlphaFold ass op 87 Prozent op de schwieregste Proteinen gefall.

Laut DeepMind Chief Executive a Matgrënner Demis Hassabis, d'Firma mécht scho Pläng fir Fuerscher Zougang zu AlphaFold ze ginn, mat Wëssenschaftler vum Max Planck Institut fir Entwécklungsbiologie déi de Modell scho benotzt fir Proteinstrukturen ze entdecken, un deenen se fir iwwer e Jorzéngt geschafft hunn.

Janet Thornton, Direkter vum European Bioinformatics Institute emeritus, gouf via ScienceMag zitéiert wéi gesot datt dem DeepMind seng Leeschtungen "d'Zukunft vun der struktureller Biologie a Proteinfuerschung änneren". Mëttlerweil, Biolog op der University of Maryland, Shady Grove, John Moult seet datt hien ni geduecht huet datt de Proteinfoldingsproblem ni an dësem Liewen geléist gëtt.

Wärend AlphaFold ganz onwahrscheinlech traditionell, experimentell Methoden fir Proteinstrukturen z'entdecken komplett ersat, kéint et dramatesch d'Geschwindegkeet erhéijen, mat där Proteinstrukturen entdeckt ginn. Fuerscher kënnen manner héichqualitativ experimentell Donnéeën erfuerderen fir eng Proteinstruktur ze bestëmmen, a Fuerscher hu schonn Zougang zu engem grousse Volume vu genomeschen Donnéeën, déi an Strukturen iwwersat kënne ginn mat AlphaFold Léisungen.