Hampir semua struktur protein yang diketahui sains diprediksi oleh AlphaFold AI

Model pelipat protein bertenaga AI AlphaFold telah memperkirakan lebih dari 200 juta protein, hampir semua struktur seperti itu diketahui oleh sains, kata DeepMind pada hari Kamis.

Protein adalah molekul biologis kompleks yang diproduksi dalam organisme hidup dari instruksi yang disimpan dalam DNA. Terbuat dari sebanyak 20 jenis asam amino, rantai skala nano ini melakukan tugas seluler vital untuk melakukan segala macam fungsi tubuh. Mengetahui bentuk tiga dimensi protein adalah penting karena struktur fisiknya memberikan petunjuk tentang bagaimana ia berperilaku, dan tujuan apa yang dilayaninya, yang membantu kita melakukan hal-hal seperti mengembangkan obat-obatan, dan membuat protein peniru bagi mereka yang kekurangannya.

Beberapa protein sangat membantu, seperti yang terlibat dalam mencerna makanan sementara yang lain bisa berbahaya, seperti yang terlibat dalam pertumbuhan tumor. Namun, mencari tahu bentuknya yang rumit dan menggeliat itu sulit. Ahli biologi molekuler dapat menghabiskan waktu bertahun-tahun melakukan eksperimen untuk menguraikan struktur protein, dan AlphaFold dapat melakukannya dalam hitungan menit, tergantung pada seberapa besar molekulnya, dari komposisi asam amino. 

AlphaFold dilatih pada ratusan ribu struktur protein yang diketahui, dan mempelajari hubungan antara asam amino penyusunnya dan bentuk keseluruhan akhir. Mengingat urutan asam amino masukan sewenang-wenang, model dapat memprediksi struktur protein 3D. Sekarang, model tersebut telah memprediksi hampir semua struktur protein yang diketahui sains.

Bekerja sama dengan European Bioinformatics Institute, DeepMind telah memperluas Basis Data Struktur Protein AlphaFold mengandung lebih dari 200 juta bentuk 3D protein dari hewan hingga tumbuhan, bakteri hingga virus – peningkatan lebih dari 200x dari hampir satu juta molekul menjadi setidaknya 200 juta molekul hanya dalam setahun.

“Kami berharap sumber daya yang inovatif ini akan membantu mempercepat penelitian dan penemuan ilmiah secara global, dan bahwa tim lain dapat belajar dari dan membangun kemajuan yang kami buat dengan AlphaFold untuk menciptakan terobosan lebih lanjut,” Demis Hassibis, salah satu pendiri dan CEO DeepMind, tersebut dalam sebuah pernyataan Kamis.

“Harapan itu telah menjadi kenyataan jauh lebih cepat daripada yang berani kita impikan. Hanya dua belas bulan kemudian, AlphaFold telah diakses oleh lebih dari setengah juta peneliti dan digunakan untuk mempercepat kemajuan pada masalah dunia nyata yang penting mulai dari polusi plastik hingga resistensi antibiotik.”

Pendaftaran telah meminta DeepMind untuk komentar lebih lanjut. 

AlphaFold juga menunjukkan potensi besar untuk merancang obat baru. Struktur membantu para ilmuwan mengetahui senyawa kimia yang dapat mengikat protein target untuk mengobati atau mencegah mereka melakukan fungsi patologis. Perusahaan termasuk Insilco Medicine memiliki bereksperimen dengan model untuk menemukan obat baru; CEO Alex Zhavoronkov mengatakan Pendaftaran bahwa prosesnya jauh lebih rumit dari yang Anda kira, dan melibatkan beberapa langkah.

Tidak jelas seberapa akurat prediksi AlphaFold. Struktur seperti pita protein sering berubah bentuk ketika berinteraksi dengan obat, sesuatu yang AlphaFold tidak dapat membantu para ilmuwan karena tidak terlatih untuk itu. Zhavoronkov mengatakan model itu adalah "terobosan yang cukup luar biasa" tetapi waspada terhadap semua hype. 

“Sampai kita melihat struktur untuk target baru dalam penyakit besar yang diperoleh melalui AlphaFold tanpa eksperimen tambahan, molekul yang dirancang menggunakan AI – atau metode lain – menggunakan struktur yang diprediksi ini, disintesis dan diuji sepanjang jalan dan kemudian diterbitkan dalam jurnal tinggi. – [kita bisa] kemudian merayakannya.”

Farmasi besar ingin melihat molekul yang dirancang dengan bantuan alat AI seperti AlphaFold benar-benar diuji pada tikus dan manusia. “Pencapaian algoritme murni tidak berharga bagi perusahaan farmasi dan terutama bagi pasien,” tambah Zhavoronkov.

Fabio Urbina, seorang ilmuwan senior di Collaboration Pharmaceuticals, sebuah startup yang menggunakan algoritma pembelajaran mesin untuk mengembangkan obat untuk penyakit genetik langka, mengatakan AlphaFold belum cukup terbukti berguna dalam penelitiannya. Urbina menggunakan teknik yang berbeda dan lebih berfokus pada struktur obat baru yang potensial daripada protein target.

Belum terlihat apakah struktur protein akan cukup berguna ... untuk membantu kami menemukan obat potensial baru untuk penyakit langka

“Ini karena beberapa alasan; struktur protein untuk banyak target obat seringkali tidak mudah tersedia bagi para peneliti untuk digunakan, dan informasi protein tampaknya tidak membantu model pembelajaran mesin awal meningkatkan kekuatan prediktif mereka dengan margin yang signifikan, ”katanya Pendaftaran.

“Saya sangat optimis bahwa AlphaFold pada dasarnya telah 'memecahkan' masalah pertama, tetapi belum terlihat apakah struktur protein akan cukup berguna untuk aplikasi hilir kami dalam meningkatkan daya prediksi pembelajaran mesin untuk membantu kami menemukan obat potensial baru. untuk penyakit langka. Namun, kami semakin melihat informasi struktural protein yang diperhitungkan sebagai bagian dari metode pembelajaran mesin yang lebih baru, dan kami telah berpikir untuk melakukan hal yang sama.”

Membuat database dengan hampir semua struktur protein yang diketahui tersedia, seperti yang dijanjikan DeepMind, berarti lebih banyak ilmuwan akan memiliki sumber daya untuk bereksperimen dan membangun model AI yang lebih kuat, kata Urbina. “Saya sangat optimis, tetapi dengan seluruh perpustakaan struktur protein yang tersedia, saya akan mengatakan ada kemungkinan besar bahwa struktur AlphaFold akan dimasukkan ke dalam beberapa model pembelajaran mesin kami, dan pada akhirnya dapat membantu kami menemukan terapi baru. ” ®