DeepMind可能刚刚破解了生物学上最大的挑战之一。与DNA双螺旋结构的发现相媲美。它可以改变生物医学,药物发现和永远的疫苗发展。

乍一看,实际的成就听起来不那么性感。DeepMind强大的AI算法之一,称为alphafold,使用了其深度学习潜力来预测蛋白质的三维(3D)形状,下降到原子的宽度。这是一个挑战,这是50年来的神秘生物学家和计数 - 这么多,使计算机的蛋白质结构预测已成为人群采购游戏,全球竞争和诺贝尔奖寻找突破。

我们在那个拐点。alphafold在长期挑战中胜过大约100个其他团队的胜利结构预测的关键评估或者用敲除,颌滴性能。谈到自然凯斯普的联合创始人、马里兰大学的约翰·莫特博士说:“在某种意义上,这个问题已经解决了。”

穆罕默德博士阿克瑟里在哥伦比亚大学,他还参加了Casp,赞成AI作为变革。“这是一笔订单的突破,当然是我一生中最重要的科学结果之一,”他说自然

它也是深思想的胜利,这玫瑰地升起了一系列算法,这些算法超越了游戏中的人类比如去和整个Atari洗衣清单。然而,蛋白质结构预测的胜利标志着它令人眼花缭乱的首次亮相进入真实世界 - 尼克斯负责人对现实生活乐园的价值。

Deepmind不是蛋白质折叠游戏中唯一的竞争者。alphafold依赖于生物数据和见解。本周,一群实验科学家交付。通过战术改变复杂的蛋白质组件的基因并观察结果,该团队能够建立一种以极高的准确性重建蛋白质的算法。

在一起,我们正在快速追溯到范式转移。“这将改变医学,”Andrei Lupas博士Max Planck发展生物学研究所。“它将改变研究。它会改变生物工程。它会改变一切。“

什么是大问题?

生物学中的中央宗旨是“结构解释功能”。DNA的双螺旋形状的发现,例如,将遗传信息复制和储存的次次思考。没有结构,我们没有基因编辑,DNA计算机, 或者存储设备

可以说,蛋白质结构包含了同样多的信息,如果不是更多的话。但它们更难破译。它们的生命开始时是由线状成分组成的丝带,称为氨基酸,就像绳子上的珠子。基于极其复杂的生物物理学——其中很多仍是神秘的——弦可以折叠成微妙的形状,比如扭曲和旋转的线束,或者相互缠绕的螺旋。许多这些结构进一步结合成megaplex。只有这样,它们才能像预期的那样维持生命。

如果我们知道蛋白质的结构,我们可以对其功能进行教育猜测。通过绘制数千次蛋白质结构,我们可以开始破译生命的生物学 - 并找到操纵它的方法。

服用Covid-19疫苗。一个重大突破是将病毒表面上的“穗”蛋白的结构映射,病毒依赖于侵入我们的细胞。想象一下蛋白质的3D结构作为锁。如果我们可以映射锁的形状,那么可以设计“键” - 器材或疫苗 - 以破坏它。Deepmind的alphafold并不奇怪去过这些3月份的尖峰蛋白质结构,正如Covid-19案例开始在全世界都飙升。

用于揭示蛋白质结构的经典“金标准”依赖于称为X射线晶体学的极其乏味和困难的实验室技术。科学家基本上将蛋白质“冻结”成精细的晶体 - 赖特结构,并使用X射线,高科技显微镜和数学的组合来弄清楚它们的形状。但并非所有蛋白质都可以分析“闪光”,留下大峡谷大小的解码生物学差距。其他方法,具有不友好的名称,如“核磁共振光谱”,既昂贵又挑战。

但这是事情。构建3D蛋白的说明本质上嵌入其1D氨基酸序列中 - 发现这一点赢得了诺贝尔奖。如果说人工智能有一件擅长的事,那就是找到复杂序列的模式,而这超出了我们人类微弱的能力。

3d棋子

CASP挑战使用X射线晶体学识别的蛋白质结构的群体挑战预测,但对公众不可用。深度不是挑战的新人;回到2018年,其表现震惊了许多长期在该领域工作的学术科学家。

Alphafold的策略与今年Casp的大多数条目类似,因为它依赖于深度学习。记住:氨基酸序列,蛋白质的构建块,含有关于蛋白质最终3D形状的数据,这似乎是完美的深度学习方法。

Deepmind进一步走了一步。他们采取了利维坦任务添加的数据关于物理,几何和进化历史进入其模型。在蛋白质数据库上培训的神经网络可以将蛋白质的结构解释为“3D地图”,并分析任何埋地关系或模式。通过迭代这个过程,Alphafold能够“在几天内确定高度准确的结构”写道深刻。

这些不是空的词。在CASP,该算法将竞争对手放到耻辱。其预测的近三分之二是与少数原子的类似分辨率的实验数据相当。它在100-一个大规模的25点余量超过其他竞争者中获得了一个令人难以置信的90。

更多去

更实际上,Alphafold的成功意味着我们可以进入以前的“未毒药”蛋白质 - 其中许多患者参与癌症和其他严重疾病。

几乎我们所有的药物都是被设计成附着在蛋白质上的,就像锁的钥匙。第一步是要了解你的敌人;也就是说,蛋白质的结构能找到攻击的脆弱点。拥有一种基于人工智能的方法来解码蛋白质结构,可以快速筛选成千上万的新药靶点。“AlphaFold将开启一个新的研究领域,”在英国的欧洲生物信息学院的欧洲珍妮特·桑顿麻省理工学院技术评论

放弃了归档,有改进的空间。alphafold相对较慢与一些算法相比以秒为单位提供结果,但折扣较低的准确性。但更重要的是,它与多个单独的3D构建块的解密蛋白质复合物 - 兆瓦结构斗争,这些块形成为集体功能实体。例如,这些在我们脑细胞中的大多数化学受体中难以稀有,依靠这些结构。它们也喜欢塑造巨型巨型魔方的立方体,因为它们的3D结构可以根据身体的状态而改变。例如,当它检测到其表面上的化学过程中,闭孔形状的兆蛋白可以打开,这是一种对我们的大脑如何工作的过程。

加一边?深度有帮助。本星期,一个团队一个单独的方法分析活细胞中的蛋白质复合物 - alphafold尚未占主导地位。它们对烦恼问题的方法返回基因,这是指导氨基酸链构建的蓝图,其中包含有关3D蛋白折叠的信息。

这也是一个开箱即用的想法。该团队发现,他们可以快速筛选成千上万的突变,以使生物细胞中蛋白质中的基因。通过观察所得蛋白质复合物的结构,然后可以使用基于AI的方法来映射一个突变的突变,然后又透露了这些突出结构形式的“规则”,只需查看其潜在的基因指示。

类似于alphafold,这项技术,称为“一体化建模,“尚未准备好更换蛋白质映射的金标准。但比以往任何时候都更多,我们很接近。从单数蛋白质到荟萃蛋白复合物,我们现在具有更快,更简单,更便宜的方式来准确地可视化生物隐形男人。随着AI和生物学在串联中工作,蛋白质折叠可能只是我们这一代医学的第一次重大突破。

“alphafold是我们最重要的进展之一,”写道深度团队。[进展]“让我们进一步信心AI将成为人类扩大科学知识前沿的最有用工具之一,我们期待着多年的努力工作和未来发现!”

图像信用:fdecomite / flickr.

Shelly Xuelai Fan是一个神经科学家转向科学作家。她在不列颠哥伦比亚省大学的神经科学中完成了博士学位,在那里她开发了新的神经变性治疗方法。在研究生物脑的同时,她对AI和所有东西都很着迷。毕业后,她搬到了UCSF,研究了恢复老年大脑的基于血液的因素。她是 ...

遵循搁置: