DeepMind уураг нугалах асуудлыг шийдэж биологийн шинжлэх ухааныг өөрчлөхөд бэлэн байна

Google-ийн AI хэлтэс саяхан DeepMind мэдэгдэхүйц ахиц дэвшил гаргасан биологийн хамгийн эртний сорилтуудын нэгийг шийдвэрлэхэд чиглэсэн, амин хүчлийн дарааллаас уургийн хэлбэрийг тооцоолох. Nature-ийн мэдээлснээр, энэхүү нээлт нь биологи, химийн салбарыг өөрчлөх чадвартай бөгөөд эрдэмтэд одоогоор нууцлагдмал байгаа олон уургийн үйл ажиллагааг тодорхойлох боломжийг олгож байна.

Уургийн хэлбэр нь түүний функцийг тодорхойлдог бөгөөд ихэнх биологийн үйл ажиллагаа нь уурагаас хамаардаг. "Уураг нугалах" Энэ нь амин хүчлүүдийн гинжийг протионууд үүргээ гүйцэтгэхэд шаардагдах гурван хэмжээст бүтэц болгон хувиргах үйл явцын нэр юм. Эрдэмтэд амин хүчлийн дараалал болон тэдгээрийн үүсгэдэг уургийн хэлбэр хоорондын хамаарлыг тодорхойлж чадвал аль уураг нь биологийн янз бүрийн үйл явцад нөлөөлж байгааг тодорхойлж чадна.

Эрдэмтэд хүний ​​протеом дотор дор хаяж 80,000 уураг байдаг гэж таамаглаж байгаа боловч эдгээр уургийн багахан хэсэг нь тодорхой бүтэцтэй байдаг. Уургийн хэлбэрийг тодорхойлох уламжлалт арга нь компьютерийн шинжлэх ухааны алгоритм, загваруудын хүчийг ашиглан олон жилийн лабораторийн туршилтыг шаарддаг. DeepMind-ийн хийсэн ажил нь уургийн бүтцийг илрүүлэх үйл явцыг эрс хурдасгаж, уургийн бүтцийг хэвийн хугацааны багахан хугацаанд найдвартай тодорхойлж чадна.

DeepMind-ийн судлаачид ойролцоогоор 170,0000 уургийн дараалал болон тэдгээр дараалалд тохирох дүрсүүдээс бүрдсэн мэдээллийн санд алгоритмуудаа сургасан. Судлаачдын боловсруулсан алгоритмуудыг 100-200 GPU дээр сургасан бөгөөд сургалтын үйл явцыг дуусгахад хэдэн долоо хоног зарцуулсан. Судлаачдын боловсруулсан загварыг "Альфа Фольд" гэж нэрлэсэн.

AlphaFold нь уургийн жижиг хэсгүүдийг хооронд нь холбож, дараа нь илүү том, том хэсгүүдийг холбохын тулд өргөжүүлэх замаар "хурцалтын алгоритм" -аар ажилладаг. Эхлээд жижиг амин хүчлийн кластеруудыг хооронд нь холбож, дараа нь алгоритм нь эдгээр кластеруудыг холбох арга замыг хайж олохыг эрэлхийлэв.

AlphaFold-ийн судлаачид анх амин хүчлүүд болон уургийн хоорондын хамаарлыг урьдчилан таамаглахын тулд генетик болон бүтцийн өгөгдөлд гүнзгий суралцах уламжлалт алгоритмуудыг ашиглахыг оролдсон. Дараа нь AlphaFold нь уургийн хэв маягийн зөвшилцлийн загварыг бий болгосон. Энэ техник нь хэтэрхий олон хязгаарлалттай болох нь батлагдсан үед судлаачид шинэ стратеги туршиж үзсэн. AlphaFold судалгааны баг илүү олон функцээр бэлтгэгдсэн загваруудыг бүтээсэн бөгөөд энэ удаад уургийн дарааллын эцсийн бүтцэд өгөөжийн загвар таамаглал дэвшүүлжээ.

Инженерийн багийнхан AlphaFold-ийг амин хүчлийн дарааллаас уургийн бүтцийг үнэлэхийн тулд компьютерийн алгоритмууд өрсөлддөг тэмцээнд оруулж, стресс тест хийсэн. Тэмцээн нь “Уургийн бүтцийн таамаглалын шүүмжлэлийн үнэлгээ” буюу CASP юм. Тэмцээнд оролцогчдод 100 амин хүчлийн дарааллыг өгдөг бөгөөд тэдний загвар нь уургийн бүтцийг боловсруулах ёстой. AlphaFold нь нарийвчлалын хувьд бусад компьютерийн загваруудыг ялаад зогсохгүй уламжлалт, лабораторид суурилсан загварчлалын техниктэй харьцуулахуйц гүйцэтгэлтэй байв. AlphaFold-ийн эцсийн дундаж оноо 92-аас ойролцоогоор 100 байсан ба лабораторид суурилсан туршилтын аргуудад 90 оноо өгсөн. AlphaFold-ийн дундаж оноо хамгийн хэцүү уургийн хувьд 87 хувь болж буурсан байна.

DeepMind-ийн гүйцэтгэх захирал, үүсгэн байгуулагч Демис Хассабисын хэлснээрМакс Планкийн нэрэмжит хөгжлийн биологийн хүрээлэнгийн эрдэмтэд XNUMX гаруй жилийн турш ажиллаж байсан уургийн бүтцийг илрүүлэхийн тулд уг загварыг аль хэдийн ашигласнаар тус компани судлаачдад AlphaFold-д нэвтрэх боломжийг олгохоор төлөвлөж байна.

Жанет Торнтон, Европын био мэдээлэл зүйн хүрээлэнгийн гавьяат захирал. ScienceMag-аас иш татсан DeepMind-ийн ололт амжилт нь "бүтцийн биологи, уургийн судалгааны ирээдүйг өөрчилнө" гэж хэлсэн. Үүний зэрэгцээ Мэрилэндийн их сургуулийн биологич, Шади Гроув, Жон Моулт хэлж байна Тэрээр энэ амьдралдаа уураг нугалах асуудал хэзээ ч шийдэгдэхгүй гэж бодож байгаагүй.

AlphaFold нь уургийн бүтцийг илрүүлэх уламжлалт, туршилтын аргуудыг бүрэн орлох магадлал багатай ч уургийн бүтцийг илрүүлэх хурдыг эрс нэмэгдүүлэх боломжтой юм. Судлаачид уургийн бүтцийг тодорхойлохын тулд бага чанарын туршилтын өгөгдөл шаардаж магадгүй бөгөөд судлаачид AlphaFold-ийн шийдлийг ашиглан бүтцэд хөрвүүлэх боломжтой их хэмжээний геномын өгөгдөлд аль хэдийн хандах боломжтой болсон.