Изготовление протеина похоже на сборку шкафа. Сначала начинается процесс построения белкового скелета. Сложный аспект заключается в определении идеальных «горячих точек» для крепления петель к конструкции, чтобы прикрепить двери, полки и другие компоненты, которые, наконец, придадут шкафу полную функциональность.
В некотором смысле архитектура белков также содержит горячие точки. Эти увлекательные щели и трещины создают сложные доки для других белков или лекарств, чтобы цепляться за них, соответствуя своему назначению «функциональных мест». Большая часть нашей фундаментальной биологической деятельности осуществляется на объектах. Они также являются настоящей золотой жилой для разработки новых лекарств и методов лечения..
В чем проблема? Нанесение на карту функциональных мест является сложной задачей. Чтобы идентифицировать специфические сайты связывания, исследователям исторически приходилось мутационно изменять каждую вероятную область белка, заменяя одну аминокислоту на другую. Это действительно утомительно, как если бы детектив просматривал сотни подозреваемых, а их может быть много.
Весь свод правил был опровергнут недавним научным исследованием. Команда из Вашингтонского университета под руководством доктора Дэвида Бейкера использовала «воображение» ИИ для создания множества полезных сайтов с нуля. Система глубокого обучения, которая прогнозирует общее расположение функционального домена белка, а затем дополнительно формирует структуру, демонстрирует «креативность» системного разума в лучшем виде.
Ученые использовали новое программное обеспечение для создания вакцин против распространенных, хотя иногда и смертельных, инфекций и лекарств, которые борются с раком, в качестве проверки реальности. В одном случае цифровой разум сгенерировал идею, которая при оценке в изолированных клетках идеально соответствовала существующему антителу против распространенного патогена. Другими словами, алгоритм «создал» горячую точку из вирусного белка, оставив ее открытой для атаки разработчиков лекарств.
Этот метод является первой попыткой создать белки вокруг их функций с помощью глубокого обучения, открывая двери для терапии, о которой раньше было немыслимо. Однако это программное обеспечение предназначено не только для поиска горячих точек естественного белка. В пресс-релизе Бейкер заявил: «Белки, которые мы обнаруживаем в природе, — это отличные молекулы, но сконструированные белки могут делать гораздо больше». «Вещи, на которые никто из нас не ожидал, что он будет способен», алгоритм «выполняется».
У команды Бейкера есть опыт использования искусственного интеллекта для предсказания белков. Они только что выпустили Rosetta, программу, которая может предсказывать трехмерную структуру белка, основываясь исключительно на его аминокислотной последовательности, и она полностью произвела революцию в дисциплине структурной биологии. Кроме того, они нанесли на карту белковые структуры и создали совершенно новые белковые «отвертки» для разборки неблагоприятных белковых взаимодействий. В конце прошлого года они представили trRosetta, сеть глубокого обучения, которая обобщает, как цепочки аминокислот собираются в сложные структуры на наноуровне.
Лаборатория Бейкера имеет опыт прогнозирования белков с помощью искусственного интеллекта. Недавно инструмент под названием Rosetta, предсказывающий трехмерную структуру белка исключительно по его аминокислотной последовательности, произвел радикальную революцию в области структурной биологии. Чтобы разрушить нежелательные белковые связи, они также нанесли на карту белковые структуры и разработали совершенно новые белковые «отвертки». Примерно в конце прошлого года они представили trRosetta — систему глубокого обучения, которая экстраполирует то, как цепочки аминокислот соединяются друг с другом, образуя сложные структуры на наноуровне. Вступить в бой с потенциальным злоумышленником или отступить? Другими словами, белки являются фундаментальными компонентами жизни, и понимание их структуры позволяет нам получить к ним доступ.
Правда в том, что не все компоненты белка одинаковы. Функциональные области — это «руки» белка, которые могут цепляться за другие белки или лекарства, запускать ферментативную активность или отражать вторгающиеся инфекции. Эти сайты трудно идентифицировать и гораздо труднее продублировать, поскольку они встроены прямо в структуру белка.
Может ли компьютер вообразить аминокислотную цепочку, которая естественным образом сворачивается в функционирующий участок, имея некоторые предварительные знания? Это был вопрос, на который настоящее исследование пыталось ответить, используя версию Rosetta.
Проблема может показаться странной, но есть более ранний экземпляр в другом поле. OpenAI создал множество изображений из текстовых подписей с помощью нейронной сети. Алгоритм DALLE, производный от знаменитого текстового генератора ИИ GPT-3, использовал простые текстовые подсказки для создания фантастической, но убедительной графики, распознавая шаблоны из своего обучения. После первоначального выпуска инструмента доктор Хани Фарид из Калифорнийского университета в Беркли заметил, что он «берет самые глубокие, самые темные области вашего воображения и преобразует их во что-то, что странно уместно».
Больше популярных историй
- Забудьте о мобильных роботах, Omnid Mocobots здесь, чтобы изменить производство
- Гарнитуры Metaverse и умные очки — похитители данных нового поколения
- Мир движется к расшифровке общения животных с помощью ИИ
- Наука о данных по-прежнему остается самой сексуальной профессией в 2022 году? Мир сомневается в этом
- Почему владельцам бизнеса пора научиться этичному взлому?
- 10 лучших инструментов анализа поведения пользователей и организаций, которые нужно знать в 2022 году
- Акции Tesla против биткойнов! Производитель электромобилей превзошел
Сообщение «Искусственный интеллект, проектирующий белки, открывает дверь к наркотикам, которые мы не могли себе представить», впервые появилось на .
