Generative AI가 몇 초 만에 맞춤형 단백질을 설계하는 모습을 시청하세요

Generative AI가 몇 초 만에 맞춤형 단백질을 설계하는 모습을 시청하세요

타임 스탬프 : 7 년 2023 월 1 일 오후 27:XNUMX
Generative AI가 몇 초 만에 맞춤형 단백질을 설계하는 모습을 시청하세요. PlatoBlockchain Data Intelligence. 수직 검색. 일체 포함.

2020년 말, AI 개척자 DeepMind는 50년 만에 획기적인 성과를 거두었습니다.. 딥러닝 알고리즘인 AlphaFold는 원자 정확도로 단백질의 모양을 예측하여 생물학의 큰 과제 중 하나를 거의 해결했습니다..

신진대사부터 뇌 기능까지, 단백질은 우리 몸을 움직이는 분자입니다. 잘못되면 상황이 무너지고 우리는 고통을 겪습니다. 현대 의학의 대부분은 질병의 이러한 측면에 초점을 맞추고 있습니다. 즉, 기능 장애가 있는 단백질의 원인을 식별하고 단백질과 상호 작용하도록 특별히 선택된 다른 분자, 즉 약물을 사용하여 그 행동을 수정하는 것입니다.

문제는 단백질이 매우 복잡하다는 것입니다. 아미노산이라고 불리는 수백 또는 수천 개의 분자 빌딩 블록으로 구성되어 미묘한 방식으로 접히는 긴 리본 모양의 사슬을 형성합니다. 이러한 주름 안에는 다른 단백질과 연결되거나 화학 반응을 촉매하여 단백질에 기능을 부여하는 활성 부위가 자리잡고 있습니다.

효과적인 약물을 설계하는 것은 단백질의 모양과 기능적 위치를 예측하고 이에 결합할 수 있는 다른 단백질이나 분자를 식별하는 데 달려 있습니다.

AlphaFold, AlphFold 2 및 RoseTTAFold라는 알고리즘이 개발되었습니다. 워싱턴 대학교 베이커 연구소, 이 프로세스를 가속화하는 데 중요한 조치를 취했습니다. DeepMind는 2022년 중반까지 AlphaFold 2가 200억 개의 단백질 구조 예측—거의 알려진 모든 것 —을 공개 데이터베이스에 제공했습니다.

하지만 거기서 끝나지 않았습니다. 그만큼 창조 이후 단백질 구조의 중요성이 주목을 받았습니다. 이러한 최신 알고리즘은 ChatGPT의 기반이 되는 알고리즘인 DALL-E 및 GPT-4와 동일한 제품군에 속하지만 이미지나 서면 문구를 생성하는 대신 그들은 새로운 단백질을 생성합니다.

특히 Baker Lab은 RoseTTAFold를 기반으로 단백질을 설계해 왔습니다. 이번 여름, 에 발표된 논문에서 자연, 팀은 최신 알고리즘인 RFdiffusion이 더 빠르고 정확하다고 말했습니다. 이 알고리즘은 이전 알고리즘의 100분에 비해 Nvidia 칩에서는 11초 만에 8.5개 아미노산 단백질을 생성할 수 있습니다. RF확산은 또한 알려진 단백질의 관심 부위에 강력하게 결합하는 새로운 단백질을 생성하는 데 약 100배 더 효과적입니다.

"텍스트 프롬프트에서 이미지를 생성하는 것과 유사한 방식으로 RFdiffusion은 최소한의 전문 지식으로 최소한의 분자 사양에서 기능성 단백질의 생성을 가능하게 합니다."라고 팀은 XNUMX월 논문에 썼습니다.

이 모든 것은 시각화하기 어려울 수 있습니다. 이러한 알고리즘이 실제로 작동하는 것을 보는 것을 대체할 수 있는 것은 없습니다. ChatGPT가 큰 인기를 끌었던 이유는 XNUMX대XNUMX의 돌파구라기보다는(기술이 몇 년 동안 더욱 정교해졌기 때문) 우리 모두가 그 정교함을 직접 경험할 수 있는 간단한 포털이었다는 점에 더 가깝습니다.

운 좋게도 여기서 요점을 쉽게 이해할 수 있는 시각적 자료가 있습니다. Ian C. Haydon과 워싱턴 대학교 단백질 디자인 연구소의 공로를 인정받은 아래 비디오는 몇 초 만에 인슐린 수용체의 특정 부위에 대한 단백질을 디자인하는 RF확산을 보여줍니다.

물론, 해야 할 일이 훨씬 더 많습니다. 효과적인 신약을 설계하는 것은 어렵고 수년이 걸리는 과정입니다. 그러나 AI 도구가 생명공학 분야에서 계속 빠른 발전을 이루고 있다는 것은 분명합니다.

이미지 신용 : 베이커 연구소/워싱턴 대학교

타임 스탬프 :

더보기 특이점 허브