Sehen Sie, wie generative KI in Sekundenschnelle ein maßgeschneidertes Protein entwirft

Sehen Sie, wie generative KI in Sekundenschnelle ein maßgeschneidertes Protein entwirft

Zeitstempel: 7. September 2023, 1:27 Uhr
Sehen Sie, wie generative KI in Sekundenschnelle ein maßgeschneidertes Protein entwirft PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Ende 2020 KI-Pionier DeepMind gelang nach 50-jähriger Entwicklung ein Durchbruch. Durch die Vorhersage der Form von Proteinen mit atomarer Genauigkeit ermöglicht sein Deep-Learning-Algorithmus AlphaFold, eine der großen Herausforderungen der Biologie nahezu gelöst.

Vom Stoffwechsel bis zur Gehirnfunktion sind Proteine ​​die Moleküle, die unseren Körper in Schwung bringen. Wenn sie schief gehen, gehen die Dinge kaputt und wir leiden. Ein Großteil der modernen Medizin konzentriert sich auf diesen Aspekt der Krankheit: die Identifizierung eines gestörten Proteins und die Änderung seines Verhaltens mit einem anderen Molekül, das speziell für die Interaktion mit ihm ausgewählt wurde – einem Medikament.

Tatsache ist, dass Proteine ​​äußerst komplex sind. Sie bestehen aus Hunderten oder Tausenden molekularer Bausteine, sogenannte Aminosäuren, und bilden lange bandartige Ketten, die sich auf differenzierte Weise ineinander falten. In diesen Falten befinden sich aktive Zentren, die dem Protein seine Funktion verleihen, indem sie sich mit anderen Proteinen verbinden oder chemische Reaktionen katalysieren.

Die Entwicklung wirksamer Medikamente hängt von der Vorhersage der Form eines Proteins und seiner funktionellen Stellen sowie der Identifizierung eines anderen Proteins oder Moleküls ab, das an sie andocken kann.

AlphaFold, AlphFold 2 und ein Algorithmus namens RoseTTAFold, entwickelt von Baker Lab an der University of Washington, hat entscheidende Schritte unternommen, um diesen Prozess zu beschleunigen. Bis Mitte 2022 soll AlphaFold 2 laut DeepMind fertig sein hat die Struktur von 200 Millionen Proteinen vorhergesagt– fast alle bekannten – und bot sie in einer offenen Datenbank an.

Aber damit war es noch nicht getan. Der Schaffung Seitdem steht die Erforschung von Proteinstrukturen im Mittelpunkt. Diese neueren Algorithmen gehören zur gleichen Familie wie DALL-E und GPT-4 – der Algorithmus hinter ChatGPT – nur dass sie keine Bilder oder schriftlichen Passagen generieren. Sie erzeugen neuartige Proteine.

Insbesondere Baker Lab hat auf RoseTTAFold aufgebaut, um Proteine ​​zu entwerfen. Diesen Sommer, in einer Veröffentlichung in Natur, sagte das Team, sein neuester Algorithmus, RFdiffusion, sei schneller und genauer. Der Algorithmus kann auf einem Nvidia-Chip in 100 Sekunden ein 11-Aminosäuren-Protein erzeugen, verglichen mit 8.5 Minuten bei einem älteren Algorithmus. Die RF-Diffusion ist außerdem etwa 100-mal effektiver bei der Erzeugung neuer Proteine, die stark an interessierende Stellen bekannter Proteine ​​binden.

„In einer Art und Weise, die an die Generierung von Bildern aus Textaufforderungen erinnert, ermöglicht RFdiffusion mit minimalem Fachwissen die Generierung funktioneller Proteine ​​aus minimalen molekularen Spezifikationen“, schrieb das Team in der Juli-Veröffentlichung.

All dies kann schwer vorstellbar sein. Es gibt keinen Ersatz dafür, diese Algorithmen in Aktion zu sehen. Der Grund für den viralen Hit von ChatGPT lag weniger darin, dass es sich um einen Null-zu-eins-Durchbruch handelte – die Technologie wurde seit mehreren Jahren immer ausgefeilter – als vielmehr darin, dass es sich um ein einfaches Portal handelte, über das wir alle diese Ausgereiftheit direkt erleben konnten.

Zum Glück haben wir hier ein Bild, das es deutlich macht. Das Video unten, das Ian C. Haydon und dem University of Washington Institute for Protein Design zu verdanken ist, zeigt die RF-Diffusion bei der Arbeit, bei der in Sekundenschnelle ein Protein für eine bestimmte Stelle auf einem Insulinrezeptor entworfen wird.

Natürlich gibt es noch viel zu tun – die Entwicklung wirksamer neuer Medikamente ist ein schwieriger, jahrelanger Prozess –, aber es ist klar, dass KI-Tools in der Biotechnologie weiterhin schnelle Fortschritte machen.

Bild-Kredit: Baker Lab/Universität Washington

Zeitstempel:

Mehr von Singularity Hub