Дивіться, як Generative AI розробляє налаштований білок за лічені секунди

Дивіться, як Generative AI розробляє налаштований білок за лічені секунди

Мітка часу: 7 вересня 2023 1:27
Подивіться, як Generative AI розробляє індивідуальний білок за лічені секунди PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Наприкінці 2020 року піонер ШІ DeepMind досяг прориву за 50 років створення. Прогнозуючи форму білків з атомарною точністю, його алгоритм глибокого навчання AlphaFold, майже не розв’язав одну з грандіозних проблем біології.

Від обміну речовин до роботи мозку, білки – це ті молекули, які змушують наше тіло працювати. Коли вони йдуть не так, речі ламаються, і ми страждаємо. Значна частина сучасної медицини зосереджена на цьому аспекті хвороби: виявленні дисфункційного білка-винуватця та зміні його поведінки за допомогою іншої молекули, спеціально відібраної для взаємодії з ним — ліків.

Справа в тому, що білки надзвичайно складні. Складені із сотень або тисяч молекулярних будівельних блоків, які називаються амінокислотами, вони утворюють довгі стрічкові ланцюжки, які згортаються між собою декількома нюансами. Усередині цих складок знаходяться активні центри, які надають білку його функцію, з’єднуючись з іншими білками або каталізуючи хімічні реакції.

Розробка ефективних ліків залежить від передбачення форми білка, його функціональних місць і ідентифікації іншого білка або молекули, які можуть приєднатися до них.

AlphaFold, AlphFold 2 і алгоритм RoseTTAFold, розроблений Лабораторія Бейкера при Вашингтонському університеті, зробив вирішальні кроки для прискорення цього процесу. До середини 2022 року DeepMind заявив, що AlphaFold 2 мав передбачив структуру 200 мільйонів білків— майже всі відомі — і запропонував їх у відкритій базі даних.

Але на цьому не закінчилося. The створення білкових структур відтоді займає центральне місце. Ці новіші алгоритми належать до тієї ж сім’ї, що й DALL-E та GPT-4 — алгоритм ChatGPT — лише замість того, щоб генерувати зображення чи письмові фрагменти, вони генерують нові білки.

Baker Lab, зокрема, розробляє білки на основі RoseTTAFold. Цього літа, у статті, опублікованій у природа, команда сказала, що їхній останній алгоритм, RFdiffusion, був швидшим і точнішим. Алгоритм може генерувати білок із 100 амінокислот за 11 секунд на чіпі Nvidia, у порівнянні з 8.5 хвилинами зі старішим алгоритмом. РЧ-дифузія також приблизно в 100 разів ефективніша при створенні нових білків, які міцно зв’язуються з цікавими ділянками відомих білків.

«У спосіб, що нагадує генерацію зображень із текстових підказок, RFdiffusion робить можливим, з мінімальними спеціальними знаннями, генерацію функціональних білків з мінімальних молекулярних специфікацій», — написала команда в липневій статті.

Усе це важко уявити. Ніщо не замінить побачити ці алгоритми в дії. Причина, чому ChatGPT став вірусним хітом, полягала не в тому, що він був проривом у співвідношенні нуля до одного — технологія ставала все складнішою протягом кількох років — а більше в тому, що це був простий портал, через який ми всі могли безпосередньо відчути цю витонченість.

На щастя, тут ми маємо візуальне зображення, щоб підкреслити це. У наведеному нижче відео, автором якого є Ян К. Хейдон та Інститут білкового дизайну Університету Вашингтона, показано роботу радіочастотної дифузії, яка за лічені секунди створює білок для певного місця на рецепторі інсуліну.

Звичайно, попереду ще багато роботи — розробка ефективних нових ліків — це складний процес, що триває багато років, — але очевидно, що інструменти штучного інтелекту продовжують швидко прогресувати в біотехнологіях.

Зображення Фото: Лабораторія Бейкера/Університет Вашингтона

Часова мітка:

Більше від Хаб сингулярності