AlphaFold generiert eine 3D-Darstellung des Proteinuniversums

AlphaFold sagt die Struktur fast aller der Wissenschaft bekannten Indexproteine ​​voraus. Bildnachweis: Karen Arnott/EMBL-EBI

KI-gestützte Vorhersagen der 3D-Strukturen fast aller indizierten Proteine, die der Wissenschaft bekannt sind, wurden von DeepMind und dem European Bioinformatics Institute (EMBL-EBI) des EMBL erstellt. Katalog Kostenlos und öffentlich verfügbar für die wissenschaftliche Gemeinschaft über die AlphaFold Protein Structure Database.

Die beiden Organisationen hoffen, dass die erweiterte Datenbank unser Verständnis der Biologie weiter verbessern und unzählige Wissenschaftler bei ihrer Arbeit unterstützen wird, während sie sich bemühen, globale Herausforderungen zu meistern.

Dieser große Erfolg zeigt, dass die Datenbank fast 200 Mal erweitert wurde. Es ist von fast einer Million Proteinstrukturen auf über 200 Millionen angewachsen und umfasst nun fast jeden Organismus auf der Erde, dessen Genom sequenziert wurde. Vorhergesagte Strukturen für ein breites Spektrum von Arten, darunter Pflanzen, Bakterien, Tiere und andere Organismen, sind jetzt in der erweiterten Datenbank enthalten. Dies eröffnet neue Wege für die Forschung in den Biowissenschaften, die sich auf globale Herausforderungen auswirken werden, darunter Nachhaltigkeit, Ernährungsunsicherheit und vernachlässigte Krankheiten.

Jetzt wird die vorhergesagte Struktur für alle Proteinketten praktisch verfügbar sein UniProt Proteindatenbank. Diese Version wird auch neue Forschungswege eröffnen, einschließlich der Unterstützung für Bioinformatik und Computerarbeit, indem es Wissenschaftlern ermöglicht, Muster und Trends in der Datenbank zu identifizieren.

„AlphaFold bietet jetzt eine 3D-Ansicht des Proteinuniversums“, sagte Edith Heard, General Manager von EMBL. „Die Popularität und das Wachstum der AlphaFold-Datenbank ist ein Beweis für die erfolgreiche Zusammenarbeit zwischen DeepMind und dem EMBL. Sie zeigt uns einen Einblick in die Kraft der interdisziplinären Wissenschaft.“

„Wir sind erstaunt über die Geschwindigkeit, mit der das AlphaFold bereits zu einem unverzichtbaren Werkzeug für Hunderttausende von Wissenschaftlern in Labors und Universitäten auf der ganzen Welt geworden ist“, sagte Demis Hassabis, Gründer und CEO von DeepMind. „Von der Bekämpfung von Krankheiten bis zur Bekämpfung der Plastikverschmutzung hat AlphaFold bereits einen unglaublichen Einfluss auf einige der größten globalen Herausforderungen, denen wir gegenüberstehen. Wir hoffen, dass diese erweiterte Datenbank unzähligen Wissenschaftlern bei ihrer wichtigen Arbeit helfen und völlig neue Grenzen der wissenschaftlichen Entdeckung eröffnen wird.“

Q8W3K0: Ein potentielles Resistenzprotein gegen Pflanzenkrankheiten. Bildnachweis: AlphaFold

Ein unverzichtbares Werkzeug für Wissenschaftler

DeepMind und EMBL-EBI Gestartet AlphaFold-Datenbank im Juli 2021. Damals enthielt sie mehr als 350.000 Proteinstrukturvorhersagen, einschließlich des gesamten menschlichen Proteins. Nachfolgende Aktualisierungen sahen die Hinzufügung von UniProtKB/SwissProt und 27 neuen Proteinen, von denen 17 hartnäckige vernachlässigte Tropenkrankheiten darstellen. zerstören das Leben von mehr als einer Milliarde Menschen weltweit.

Über 1.000 wissenschaftliche Arbeiten haben die Datenbank zitiert, und mehr als 500.000 Forscher aus über 190 Ländern erhielten Zugang zur AlphaFold-Datenbank, um in etwas mehr als einem Jahr mehr als zwei Millionen Strukturen anzuzeigen.

Das Team hat auch beobachtet, wie Forscher auf AlphaFold aufbauten, um Tools wie z Foldsec Und die Dali Dadurch können Benutzer nach Einträgen suchen, die einem bestimmten Protein ähneln. Andere haben die grundlegenden Ideen des maschinellen Lernens hinter AlphaFold übernommen, um das Rückgrat einer Liste neuer Algorithmen in diesem Bereich zu bilden, oder wenden sie auf Bereiche wie z Vorhersage der RNA-Struktur oder Entwickeln Sie neue Modelle für das Design von Proteinen.

Die Auswirkungen und die Zukunft von AlphaFold und der Datenbank

AlphaFold hat auch Auswirkungen in Bereichen wie der Verbesserung unserer Fähigkeit gezeigt Bekämpfung der PlastikverschmutzungEinblicke Parkinson-Krankheitund mehr HonigbienengesundheitVerständnis Wie entsteht Eis?behandeln vernachlässigte Krankheiten Wie Chagas-Krankheit, Leishmaniose und Exploration menschliche Evolution.

„Wir haben AlphaFold in der Hoffnung veröffentlicht, dass andere Teams von unseren Fortschritten lernen und darauf aufbauen können, und es war aufregend zu sehen, dass es so schnell ging. Mehrere andere KI-Forschungsorganisationen betreten jetzt dieses Feld und bauen auf den Fortschritten von AlphaFold auf um noch mehr Durchbrüche zu erzielen. Dies ist wirklich eine neue Ära in der Strukturbiologie, und KI-basierte Methoden werden zu erstaunlichen Fortschritten führen, sagte John Jumper, Research Scientist und AlphaFold Lead bei DeepMind.

„AlphaFold hat Wellen in der Molekularbiologie-Community geschlagen. Allein im vergangenen Jahr gab es über tausend wissenschaftliche Artikel zu einem breiten Spektrum von Forschungsthemen, bei denen AlphaFold-Strukturen verwendet wurden“, sagte Samir Vilankar, Teamleiter der EMBL-EBI Protein Data Bank in Europa, sagte: „Ich habe so etwas noch nie zuvor gesehen.“ Und das ist nur der Effekt von einer Million Vorhersagen; stellen Sie sich den Effekt vor, über 200 Millionen öffentlich zugängliche Proteinstrukturvorhersagen in der AlphaFold-Datenbank zu haben.“

DeepMind und EMBL-EBI werden die Datenbank weiterhin regelmäßig aktualisieren, mit dem Ziel, Merkmale und Funktionen als Reaktion auf das Feedback der Benutzer zu verbessern. Der Zugriff auf Strukturen bleibt unter einer CC-BY 4.0-Lizenz vollständig offen, und Massendownloads werden über verfügbar gemacht Öffentliche Google Cloud-Datensätze.