蛋白质组学

DeepMind解决蛋白质折叠难题

下载.jpg

谷歌人工智能部门DeepMind在预测蛋白质结构方面迈出了一大步。公司表示,其已经解决了关键的“蛋白质折叠问题”,并将解决问题的运算时间从数月缩短至数小时,这有助于加快药物发现速度,有可能破解一个类似于绘制人类基因组的问题。

DeepMind开发的AlphaFold系统在最近结构预测关键评估(CASP)竞赛中所展现出的能力达到了“解决”问题的水平。该活动始于1994年,每两年举办一次,以加速这一课题的研究。

谷歌人工智能部门DeepMind在预测蛋白质结构方面迈出了一大步。公司表示,其已经解决了关键的“蛋白质折叠问题”,并将解决问题的运算时间从数月缩短至数小时,这有助于加快药物发现速度,有可能破解一个类似于绘制人类基因组的问题。

DeepMind开发的AlphaFold系统在最近结构预测关键评估(CASP)竞赛中所展现出的能力达到了“解决”问题的水平。该活动始于1994年,每两年举办一次,以加速这一课题的研究。

蛋白质的不同折叠程度决定了它如何与其他分子相互作用,了解蛋白质结构变化对发现新冠肺炎等病毒如何侵入人体细胞、设计酶分解污染物和提高作物产量具有重要意义。

DeepMind在2014年被谷歌收购,成为谷歌子公司。其开发的游戏人工智能广为人知。DeepMind所开发的人工智能系统能够通过自我训练,还在围棋比赛中击败了李世石等世界知名围棋选手。公司目标是开发可以应用于更广泛问题的人工智能,目前为止,DeepMind已经开发出的人工智能系统能够使谷歌的数据中心更加节能,通过扫描识别眼疾,并自动将文字生成语音。

DeepMind首席执行官杰米斯·哈萨比斯(Demis Hassabis)在电话采访中表示:“这些算法现在已经足够强大,强大到可以应用于解决科学问题。”“经过4年的发展,我们有了一个足够精确的系统,对生物学研究人员来说具有实际的生物学意义和相关性。”

哈萨比斯表示,DeepMind目前正在研究以“可扩展方式”为科学家提供访问AlphaFold系统的途径。

参与CASP的科学家们分析了大约100种蛋白质的氨基酸序列形状。参赛者被告知排列顺序,并负责预测蛋白质的形状。AlphaFold对其中三分之二蛋白质结构的评估与CASP的分析几乎完全一致,而其他团队的评估契合度约为10%。这也比DeepMind工具两年前首次参加CASP竞赛时的结果要好,当时竞赛中涉及43种蛋白质结构,DeepMind准确预测出其中的25种。

哈萨比斯说,他开发AlphaFold系统的灵感来自CASP试图找到未知蛋白质结构的尝试,比如Foldit就是以谜题的形式向业余志愿者展示问题。在最初的两年里,人类玩家被证明在解开谜题方面更具优势,最终还发现了一种让科学家们困惑不已的蛋白质结构,并就此设计了一种新的酶,后来在实验室得到了证实。欧洲生物信息学研究所(European Bioinformatics Institute)名誉主任珍妮特·桑顿(Janet Thornton)说:“确定单个蛋白质结构通常需要多年的实验努力。”桑顿是使用计算方法分析蛋白质结构的先驱之一。“更好地理解蛋白质结构、能够使用计算机预测它们意味着更好地理解生命进化历程,当然,也能够更好理解还有有关人类健康和疾病的诸多问题。”

网易科技

蛋白质
DeepMind
结构
蛋白质折叠

(0)

关键词:

热评文章

发表评论