AlphaFold genereert een 3D-weergave van het eiwituniversum

Door AI aangedreven voorspellingen van de 3D-structuren van bijna alle geïndexeerde eiwitten die de wetenschap kent, zijn gedaan door DeepMind en EMBL’s European Bioinformatics Institute (EMBL-EBI). catalogus Vrij en openbaar beschikbaar voor de wetenschappelijke gemeenschap, via de AlphaFold Protein Structure Database.

De twee organisaties hopen dat de uitgebreide database ons begrip van de biologie zal blijven vergroten en talloze wetenschappers zal helpen bij hun werk terwijl ze ernaar streven om wereldwijde uitdagingen aan te gaan.

Deze belangrijke prestatie geeft aan dat de database bijna 200 keer is uitgebreid. Het is gegroeid van bijna een miljoen eiwitstructuren tot meer dan 200 miljoen, en omvat nu bijna elk organisme op aarde waarvan het genoom is gesequenced. Voorspelde structuren voor een breed scala aan soorten, waaronder planten, bacteriën, dieren en andere organismen zijn nu opgenomen in de uitgebreide database. Dit opent nieuwe wegen voor onderzoek in de biowetenschappen dat een impact zal hebben op wereldwijde uitdagingen, waaronder duurzaamheid, voedselonzekerheid en verwaarloosde ziekten.

Nu zal de voorspelde structuur praktisch beschikbaar zijn voor alle eiwitketens in UniProt Eiwit databank. Deze release zal ook nieuwe onderzoeksmogelijkheden openen, waaronder ondersteuning voor bio-informatica en computerwerk door wetenschappers in staat te stellen patronen en trends in de database te identificeren.

“AlphaFold biedt nu een 3D-weergave van het eiwituniversum”, zegt Edith Heard, General Manager van EMBL. “De populariteit en groei van de AlphaFold-database is een bewijs van de succesvolle samenwerking tussen DeepMind en EMBL. Het laat ons een glimp zien van de kracht van interdisciplinaire wetenschap.”

“We zijn verbaasd over de snelheid waarmee de AlphaFold al een essentieel hulpmiddel is geworden voor honderdduizenden wetenschappers in laboratoria en universiteiten over de hele wereld”, zegt Demis Hassabis, oprichter en CEO van DeepMind. “Van het bestrijden van ziekten tot het aanpakken van plasticvervuiling, AlphaFold heeft al een ongelooflijke impact gehad op enkele van de grootste wereldwijde uitdagingen waarmee we worden geconfronteerd. We hopen dat deze uitgebreide database talloze wetenschappers zal helpen bij hun belangrijke werk en volledig nieuwe grenzen van wetenschappelijke ontdekking zal openen.”

Q8W3K0: Een potentieel resistentie-eiwit voor plantenziekten. Krediet: AlphaFold

Een essentieel hulpmiddel voor wetenschappers

DeepMind en EMBL-EBI gelanceerd AlphaFold-database in juli 2021. Op dat moment bevatte het meer dan 350.000 voorspellingen van de eiwitstructuur, waaronder het gehele menselijke eiwit. Daaropvolgende updates zagen de toevoeging van UniProtKB/SwissProt en 27 nieuwe eiwitten, waarvan 17 hardnekkige verwaarloosde tropische ziekten vertegenwoordigen. kapot maken het leven van meer dan een miljard mensen wereldwijd.

Meer dan 1.000 wetenschappelijke artikelen hebben de database geciteerd en meer dan 500.000 onderzoekers uit meer dan 190 landen hebben toegang gekregen tot de AlphaFold-database om in iets meer dan een jaar meer dan twee miljoen structuren te bekijken.

Het team heeft onderzoekers ook zien bouwen op AlphaFold om tools te maken en aan te passen zoals: Foldsec En de dali Hiermee kunnen gebruikers zoeken naar items die lijken op een specifiek eiwit. Anderen hebben de basisideeën voor machine learning achter AlphaFold overgenomen om de ruggengraat te vormen van een lijst met nieuwe algoritmen in deze ruimte, of passen ze toe op gebieden zoals Voorspelling van RNA-structuur of Nieuwe modellen ontwikkelen voor het ontwerp van eiwitten.

De impact en toekomst van AlphaFold en de database

AlphaFold heeft ook een impact laten zien op gebieden zoals het verbeteren van ons vermogen om: Bestrijding van plasticvervuilingkrijg inzicht ziekte van Parkinsonen meer honingbij gezondheidBegrip Hoe ontstaat ijs?behandelen verwaarloosde ziekten Zoals de ziekte van Chagas, leishmaniasis en exploratie menselijke evolutie.

“We hebben AlphaFold uitgebracht in de hoop dat andere teams kunnen leren van en voortbouwen op de vooruitgang die we hebben geboekt, en het was opwindend om het zo snel te zien gebeuren. Verschillende andere AI-onderzoeksorganisaties betreden nu dit veld en bouwen voort op de vooruitgang die AlphaFold heeft geboekt. Dit is echt een nieuw tijdperk in structurele biologie en op AI gebaseerde methoden zullen tot verbazingwekkende vooruitgang leiden, zegt John Jumper, Research Scientist en AlphaFold Lead bij DeepMind.

“AlphaFold heeft rimpelingen veroorzaakt in de moleculaire biologiegemeenschap. Alleen al in het afgelopen jaar zijn er meer dan duizend wetenschappelijke artikelen verschenen over een breed scala aan onderzoeksonderwerpen met behulp van AlphaFold-structuren; Samir Vilankar, teamleider bij de EMBL-EBI Protein Data Bank in Europa, zei: “Ik heb nog nooit zoiets gezien.” En dit is slechts het effect van een miljoen voorspellingen; stel je het effect voor van het hebben van meer dan 200 miljoen publiekelijk toegankelijke eiwitstructuurvoorspellingen in de AlphaFold-database.”

DeepMind en EMBL-EBI zullen de database periodiek blijven updaten, met als doel de functies en functionaliteit te verbeteren als reactie op feedback van gebruikers. Toegang tot structuren blijft volledig open, onder een CC-BY 4.0-licentie, en bulkdownloads worden beschikbaar gesteld via Openbare gegevenssets van Google Cloud.