Xem Generative AI thiết kế một protein tùy chỉnh trong vài giây

Xem Generative AI thiết kế một protein tùy chỉnh trong vài giây

Dấu thời gian: 7:2023 PM ngày 1 tháng 27 năm XNUMX
Xem Generative AI thiết kế một protein tùy chỉnh trong vài giây Trí thông minh dữ liệu PlatoBlockchain. Tìm kiếm dọc. Ái.

Cuối năm 2020, AI tiên phong DeepMind đạt bước đột phá sau 50 năm hình thành. Bằng cách dự đoán hình dạng của protein với độ chính xác nguyên tử, thuật toán học sâu của nó, AlphaFold, tất cả nhưng đã giải quyết được một trong những thách thức lớn của sinh học.

Từ quá trình trao đổi chất đến chức năng của não, protein là những phân tử giúp cơ thể chúng ta hoạt động. Khi họ làm sai, mọi thứ đổ vỡ và chúng ta đau khổ. Phần lớn y học hiện đại tập trung vào khía cạnh này của bệnh tật: Xác định thủ phạm gây rối loạn chức năng của protein và điều chỉnh hành vi của nó bằng một phân tử khác được chọn lọc đặc biệt để tương tác với nó—một loại thuốc.

Vấn đề là, protein cực kỳ phức tạp. Được tạo thành từ hàng trăm hoặc hàng nghìn khối xây dựng phân tử được gọi là axit amin, chúng tạo thành các chuỗi dài giống như dải ruy băng tự gấp lại theo nhiều sắc thái. Ẩn mình trong những nếp gấp này là các vị trí hoạt động cung cấp chức năng cho protein bằng cách kết nối với các protein khác hoặc xúc tác cho các phản ứng hóa học.

Việc thiết kế các loại thuốc hiệu quả phụ thuộc vào việc dự đoán hình dạng, vị trí chức năng của protein và xác định một protein hoặc phân tử khác có thể gắn vào chúng.

AlphaFold, AlphFold 2 và thuật toán có tên RoseTTAFold, được phát triển bởi Phòng thí nghiệm Baker tại Đại học Washington, đã thực hiện các bước quan trọng trong việc đẩy nhanh quá trình này. Đến giữa năm 2022, DeepMind cho biết AlphaFold 2 đã có dự đoán cấu trúc của 200 triệu protein—gần như tất cả những thứ đã biết—và cung cấp chúng trong cơ sở dữ liệu mở.

Nhưng nó không kết thúc ở đó. Các tạo cấu trúc protein kể từ đó đã chiếm vị trí trung tâm. Các thuật toán mới hơn này cùng họ với DALL-E và GPT-4—thuật toán đằng sau ChatGPT—chỉ thay vì tạo hình ảnh hoặc đoạn văn bản, chúng tạo ra các protein mới.

Đặc biệt, Baker Lab đã và đang xây dựng trên RoseTTAFold để thiết kế protein. Mùa hè này, trong một bài báo xuất bản năm Thiên nhiênNhóm nghiên cứu cho biết thuật toán mới nhất của họ, RFdiffusion, nhanh hơn và chính xác hơn. Thuật toán có thể tạo ra protein 100 axit amin trong 11 giây trên chip Nvidia, so với 8.5 phút với thuật toán cũ hơn. Khuếch tán RF cũng hiệu quả hơn khoảng 100 lần trong việc tạo ra các protein mới liên kết mạnh mẽ với các vị trí quan tâm trên các protein đã biết.

Nhóm nghiên cứu viết trong bài báo tháng XNUMX: “Theo cách gợi nhớ đến việc tạo ra hình ảnh từ lời nhắc bằng văn bản, RFdiffusion có thể tạo ra các protein chức năng từ các thông số kỹ thuật phân tử tối thiểu với kiến ​​thức chuyên môn tối thiểu”.

Tất cả điều này có thể khó hình dung. Không có gì thay thế được việc xem các thuật toán này hoạt động. Lý do khiến ChatGPT trở thành một hiện tượng lan truyền không phải vì nó là một bước đột phá không có một - công nghệ đã ngày càng tinh vi hơn trong vài năm - mà hơn thế nữa, đó là một cổng thông tin đơn giản mà qua đó tất cả chúng ta có thể trải nghiệm trực tiếp sự tinh tế đó.

May mắn thay, ở đây, chúng tôi có một hình ảnh trực quan để nhấn mạnh điểm chính. Đoạn video dưới đây do Ian C. Haydon và Viện Thiết kế Protein của Đại học Washington thực hiện, cho thấy sự khuếch tán RF đang hoạt động, thiết kế một loại protein cho một vị trí cụ thể trên thụ thể insulin trong vài giây.

Tất nhiên, còn nhiều việc phải làm - việc thiết kế các loại thuốc mới hiệu quả là một quá trình khó khăn và kéo dài nhiều năm - nhưng rõ ràng là các công cụ AI tiếp tục đạt được tiến bộ nhanh chóng trong công nghệ sinh học.

Ảnh: Phòng thí nghiệm Baker/Đại học Washington

Dấu thời gian:

Thêm từ Trung tâm cá biệt