AlphaFold 3, wiodące oprogramowanie DeepMind do modelowania białek, frustruje badaczy

Z rytmem bębnów odsłoniła go DeepMind, firma Google zajmująca się sztuczną inteligencją recenzja Natura 8 maja AlphaFold 3, nowa wersja oprogramowania stosowana w biologii. „Szybszy, dokładniejszy i zdolny do wykonywania bardziej złożonych zadań”Demis Hassabis, dyrektor DeepMind, powiedział podczas konferencji prasowej 7 maja, że ​​ta nowa praca umożliwia modelowanie prawie wszystkich białek i ich interakcji, otwierając obiecujące horyzonty dla rozwoju nowych leków. Jednak przyjęcie, jakie spotkało go ze strony społeczności naukowej, było bardziej powściągliwe. I nie bez powodu: w przeciwieństwie do poprzedniej wersji Google zachował w tajemnicy kod słynnego algorytmu.

Modelowanie struktury białek może wydawać się banalne. Jednakże ryzyko jest ogromne. Białka to duże cząsteczki niezbędne do funkcjonowania organizmów żywych. Należą do nich przeciwciała, enzymy i hemoglobina, które transportują tlen we krwi. Białka występują w postaci długich łańcuchów aminokwasów, przypominających sznury pereł. Szybko się składa w skomplikowany sposób, przypominając wiązkę kabli, które zostawiłeś splątane w kieszeni. To fałdowanie nie jest przypadkowe: każde białko przyjmuje określony kształt, który pozwala mu spełniać swoją funkcję. Dlatego słabo uformowane białko nie będzie mogło spełnić swojej roli. Dzieje się tak na przykład w przypadku niedokrwistości sierpowatokrwinkowej (lub anemii sierpowatokrwinkowej): defekt kształtu hemoglobiny zmniejsza jej zdolność do transportu tlenu we krwi.

Jednakże, chociaż możemy uzyskać dostęp do składu aminokwasowego dowolnego białka, Określenie jego fałdu pozostaje długą i złożoną przygodą. Wymaga to miesięcy, a nawet lat pracy laboratoryjnej nad pojedynczym białkiem… wiedząc, że u człowieka istnieje około 20 000 różnych białek!

Alarmująca dokładność

Premiera AlphaFold 2 w 2021 roku wywołała bombę. Sztuczna inteligencja umożliwiła przewidzenie zwinięcia dowolnego białka w czasie krótszym niż dwadzieścia cztery godziny. Samo podanie sekwencji aminokwasów wystarczyło, aby program mógł przewidzieć strukturę 3D, często z niesamowitą dokładnością i pewnością. tajemnica ? Głębokie uczenie się lub głębokie uczenie się. Sztuczną inteligencję najpierw trenowano na wszystkich białkach, których struktura była znana, a obecnie poprzez analogię przewiduje się zwijanie innych białek.

Pozostało Ci do przeczytania 64,39% tego artykułu. Reszta jest zarezerwowana dla abonentów.