Исследовать
В июле 2022 года мы опубликовали прогнозы структуры белков AlphaFold почти для всех известных науке каталогизированных белков. Прочтите последний блог здесь.
Сегодня я невероятно горд и рад сообщить, что DeepMind вносит значительный вклад в понимание биологии человечеством.
Когда в декабре прошлого года мы анонсировали AlphaFold 2, его приветствовали как решение 50-летней проблемы сворачивания белка. На прошлой неделе мы опубликовали научную статью и исходный код, объясняющие, как мы создали эту весьма инновационную систему, а сегодня мы делимся высококачественными предсказаниями формы каждого отдельного белка в человеческом организме, а также белков 20 дополнительные организмы, на которые учёные полагаются в своих исследованиях.
По мере того, как исследователи ищут лекарства от болезней и ищут решения других серьезных проблем, стоящих перед человечеством, включая устойчивость к антибиотикам, загрязнение микропластиком и изменение климата, они выиграют от свежего понимания структуры белков. Белки подобны крошечным изысканным биологическим машинам. Точно так же, как структура машины говорит вам, что она делает, структура белка помогает нам понять его функцию. Сегодня мы делимся кладезем информации, которая удваивает понимание человечеством человеческого протеома и раскрывает белковые структуры, обнаруженные в 20 других биологически значимых организмах, от кишечной палочки до дрожжей и от плодовой мухи до мыши.
Это будет один из самых важных наборов данных со времени картирования генома человека.
Юэн Бирни, заместитель генерального директора EMBL и директор EMBL-EBI
Мы считаем, что это мощный инструмент, поддерживающий усилия исследователей, и мы считаем, что это наиболее значительный вклад, который ИИ внес в развитие научных знаний на сегодняшний день, и отличный пример пользы, которую ИИ может принести человечеству. Эти открытия послужат основой для многих интересных будущих достижений в нашем понимании биологии и медицины. Благодаря пяти годам неустанной работы и большой изобретательности команды AlphaFold, а также тесному сотрудничеству в течение последних нескольких месяцев с нашими партнерами из Европейского института биоинформатики EMBL (EMBL-EBI), мы можем поделиться этим огромным и ценным ресурсом с мир.
Белки — это совершенные биологические машины, их трехмерные структуры часто эстетически приятны, а также функционально важны, поскольку являются строительными блоками жизни.
Эта последняя работа основана на заявлениях, которые мы сделали в декабре прошлого года на конференции CASP14, когда DeepMind представила радикально новую версию нашей системы AlphaFold, которая была признана организаторами оценки решением 50-летней грандиозной задачи по пониманию 3D-структура белков. Экспериментальное определение структуры белка — трудоемкое и кропотливое занятие, но AlphaFold продемонстрировала, что ИИ может точно предсказать форму белка в масштабе и за считанные минуты, вплоть до атомарной точности. В CASP мы пообещали поделиться своими методами и предоставить широкий доступ к этому массиву знаний.
Улучшение медианной точности прогнозов в категории бесплатного моделирования для лучшей команды в каждом CASP, измеряемой как лучший из 5 GDT.
В этом месяце мы завершили огромную работу по выполнению этого обязательства. Мы опубликовали две рецензируемые статьи в Природа (1,2) и код AlphaFold с открытым исходным кодом. Сегодня, в сотрудничестве с EMBL-EBI, мы невероятно гордимся тем, что запускаем базу данных о структуре белков AlphaFold, которая предлагает наиболее полную и точную картину человеческого протеома на сегодняшний день, более чем вдвое увеличивая накопленные человечеством знания о высокоточных человеческих белках. структуры.
Помимо протеома человека (всего около 20 000 белков, выраженных в геноме человека), мы предоставляем открытый доступ к протеомам 20 других биологически значимых организмов, насчитывающих более 350 000 белковых структур. Исследования этих организмов стали предметом бесчисленных научных работ и многочисленных крупных прорывов и привели к более глубокому пониманию самой жизни. В ближайшие месяцы мы планируем значительно расширить охват почти каждому секвенированному белку, известному науке – более 100 миллионов структур, охватывающих большую часть справочной базы данных UniProt. Это настоящий белковый альманах мира. Система и база данных будут периодически обновляться, поскольку мы продолжаем инвестировать в будущие улучшения AlphaFold.
Самое интересное, что этот новый белковый альманах, оказавшись в руках учёных всего мира, позволит и ускорит исследования, которые улучшат наше понимание этих строительных блоков жизни. Благодаря нашему раннему сотрудничеству мы уже увидели многообещающие сигналы от исследователей, использующих AlphaFold в своей работе. Например, Инициатива по лекарствам от забытых болезней (DNDi) продвинула свои исследования в области жизненно важных лекарств от болезней, которые непропорционально поражают бедные части мира, а Центр инноваций в ферментах Портсмутского университета (CEI) использует AlphaFold. чтобы помочь разработать более быстрые ферменты для переработки некоторых из наиболее загрязняющих окружающую среду одноразовых пластиков. Для тех учёных, которые полагаются на экспериментальное определение структуры белка, предсказания AlphaFold помогли ускорить их исследования. Другой пример: группа из Университета Колорадо в Боулдере считает перспективным использование прогнозов AlphaFold для изучения устойчивости к антибиотикам, а группа из Калифорнийского университета в Сан-Франциско использовала их для улучшения понимания биологии SARS-CoV-2. И это только начало того, что, как мы надеемся, станет революцией в структурной биоинформатике. Благодаря появлению AlphaFold в мире появилась сокровищница данных, ожидающих преобразования в будущие достижения.
AlphaFold открывает новые горизонты исследований, и воодушевляет видеть мощный передовой искусственный интеллект, позволяющий бороться с болезнями, которые сконцентрированы почти исключительно у бедных групп населения.
Бен Перри, лидер открытых инноваций Discovery, Инициатива «Лекарства от забытых болезней» (DNDi)
Для команды AlphaFold в DeepMind эта работа представляет собой кульминацию пяти лет огромных усилий, включая необходимость творческого преодоления множества сложных неудач, что привело к множеству новых сложных алгоритмических инноваций, которые были необходимы для окончательного решения проблемы. Он основан на открытиях поколений ученых, от первых пионеров визуализации белков и кристаллографии до тысяч специалистов по предсказаниям и структурных биологов, которые с тех пор годами экспериментировали с белками. Мы мечтаем, чтобы AlphaFold, предоставив это фундаментальное понимание, поможет бесчисленному количеству ученых в их работе и откроет совершенно новые возможности для научных открытий.
То, на что у нас ушли месяцы и годы, AlphaFold смогла сделать за выходные.
Профессор Джон МакГихан, профессор структурной биологии и директор Центра инноваций в ферментах (CEI) при Портсмутском университете
В DeepMind наш тезис всегда заключался в том, что искусственный интеллект может значительно ускорить прорывы во многих областях науки и, в свою очередь, продвинуть человечество. Мы создали AlphaFold и базу данных о структуре белков AlphaFold, чтобы поддержать и повысить эффективность усилий ученых во всем мире в важной работе, которую они выполняют. Мы считаем, что ИИ способен произвести революцию в том, как ведется наука в 21 веке, и с нетерпением ждем открытий, которые AlphaFold может помочь научному сообществу сделать в следующий раз.
Чтобы узнать больше, зайдите на сайт Nature и прочтите наши рецензируемые статьи, описывающие весь наш метод и человеческий протеом. Подробнее о них можно прочитать в нашем техническом блоге. Если вы хотите изучить нашу систему, вот открытый исходный код для блокнота AlphaFold и Colab для запуска отдельных последовательностей. Чтобы изучить наши структуры, EMBL-EBI, мировой лидер в области биологических данных, размещает их в базе данных с возможностью поиска, которая открыта и бесплатна для всех.
Нам бы хотелось услышать ваши отзывы и понять, чем AlphaFold помог вам в ваших исследованиях. Поделитесь своими историями по адресу Alphafold@deepmind.com.