وفي 2016 و 2017، ويمكن أن يقال فريق البحث جوجل DeepMind AlphaGo أن تركيز المجتمع العلمي يستحق: شبكة لى فنغ منظمة العفو الدولية تكنولوجي ريفيو. عام 2016، AlphaGo الأداء المتميز للتغلب على بطل العالم تذهب، وتسعة لاعبين محترفين شيشي، بعد اليابان وكوريا الجنوبية وعشرات اللاعبين على مبارزة سلوك مداهمات، 60 أدوار متتالية دون هزيمة. مايو 2017، AlphaGo برصيد من 3-0 الانتصار على العالم رقم واحد بطل العالم في الشطرنج جي كه. اعترف العودة العودة ألفا الشطرنج البشري لديه أكثر من professional الذهاب أعلى مستوى.
ولكن الهدف النهائي DeepMind فريق لا يلعب مباريات، انهم يريدون استخدام الذكاء الاصطناعي للمساعدة في تعزيز العلوم الأساسية للتقدم البشري. مؤخرا، اكتشف الفريق وسيلة للتنبؤ هيكل 3D من البروتين فقط في التسلسل الجيني للالقائم على البروتين. لى فنغ شبكة AI تقنية مراجعة جمعت على النحو التالي.
اليوم، ونحن متحمسون جدا لأشاطركم DeepMind في بحوث الذكاء الاصطناعي لإظهار كيفية تعزيز وتسريع معلما هاما الأولى في اكتشافات جديدة في مجال العلوم. من خلال نهج متعدد التخصصات قوية، وجمع DeepMind من البيولوجيا البنيوية، والخبراء، وتطبيق التكنولوجيا المتطورة والتعلم الآلي في مجال الفيزياء، إلا أن التنبؤ هيكل 3D من البروتينات على أساس التسلسل الجيني للبروتين.
نظامنا، AlphaFold، في العامين الماضيين كنا نحاول لدراسته، واستخدامها لوضع الأساس لعدد كبير من البيانات البحثية الجينومية على سنوات التنبؤ بنية البروتين قبل. 3D نموذج AlphaFold إنتاج البروتينات هي أكثر دقة بكثير من أي نموذج سابق، وهذا هو، تقدما كبيرا على التحدي البيولوجيا الأساسية.
ما هو البروتين مشكلة قابلة للطي؟
البروتينات هي جزيئات معقدة ضرورية لاستمرار الحياة. تقريبا كل وظيفة من الجسم - تقلص العضلات، وعلى ضوء الإدراك أو بدوره الغذاء إلى طاقة - يمكن أن تعزى إلى واحد أو أكثر من البروتينات وكيف تتحرك والتحول. وصفات من هذه البروتينات هي الجينات، يتم ترميز عليه في الحمض النووي.
ما الذي يمكن عمله لكل البروتين يعتمد على بنية فريدة من نوعها ثلاثي الأبعاد. على سبيل المثال، تشكل نظامنا المناعي بروتين الجسم المضاد هو "Y على شكل"، على غرار ربط فريدة من نوعها. قبل قفل الفيروسات والبكتيريا، والأجسام المضادة قادرة على اكتشاف البروتين علامة من الميكروبات المسببة للأمراض وذلك للقضاء عليها. وبالمثل، حبل مثل شكل الكولاجين، فإنه يمر بين التوتر الغضاريف والأربطة والعظام والجلد. أنواع أخرى من البروتينات وكريسبر تضم CAS9، مثل المقص لأنها يمكن قص ولصق DNA، التجمد البروتين، مما يسمح لهم لربط هيكل 3D من بلورات الثلج، ومنع تجميد الجسم الحي، خط التجميع الريبوسوم باعتبارها مساعدة الإجرائية الخاصة بناء البروتينات.
ولكن فقط على أساس التسلسل الجيني للبروتين لتوضيح شكل 3D من البروتينات مهمة معقدة، ناضل العلماء لعقود. ويتمثل التحدي، وDNA يحتوي فقط على المعلومات حول الأمينية تسلسل الحمض بقايا من هذا البروتين، والتي تشكل الأمينية بقايا حمض سلسلة طويلة. هذه فترة طويلة سلسلة التنبؤ كيف أضعاف البروتينات إلى بنية معقدة 3D يعرف باسم "بروتين مشكلة قابلة للطي".
وأكبر من البروتين، أكثر تعقيدا وصعوبة لنموذج بسبب الحاجة إلى النظر في مزيد من التفاعل بين الأحماض الأمينية. كما يشير مفارقة تل يفين بها، قبل الحصول على هيكل 3D الصحيح، تحتاج وقتا أطول من عمر الوقت النموذجي الكون تعداد كافة تكوينات البروتين الممكنة.
لماذا البروتين للطي مهم؟
القدرة على التنبؤ شكل البروتين هو مفيد للعلماء، كما هو مفهوم، ويعتبر العلاج دورها التشخيصي في الجسم الحي هو مرض تسببه للطي غير صحيح من البروتينات أمر بالغ الأهمية، مثل مرض الزهايمر والشلل الرعاش مرض والمرض والتليف الكيسي هنتنغتون. نحن مهتمون بشكل خاص في كيفية التعامل معها لتحسين فهمنا للجسم وكيف يعمل، والتي قد تمكن العلماء من تصميم وعلاج جديد أكثر فعالية من هذا المرض. يمكننا الحصول عليها عن طريق المحاكاة والنمذجة المزيد من المعرفة حول شكل البروتينات وكيفية عملها، فإنه يفتح إمكانية اكتشاف دواء جديد، ولكن أيضا يقلل من التكاليف المرتبطة التجربة. هذا يمكن أن تحسن في نهاية المطاف نوعية حياة الملايين من المرضى في جميع أنحاء العالم.
يمكن فهم البروتين للطي أيضا المساهمة في تصميم البروتين، والتي يمكن أن يجلب العديد من الفوائد. على سبيل المثال، البروتين يمكن أن يتحقق من خلال تصميم الإنزيمات القابلة للتحلل إلى اتفاق مع مساعدة النفط والملوثات مثل البلاستيك أو ما شابه ذلك، لمساعدتنا في طريقة أكثر ملاءمة للبيئة من تحطيم النفايات. في الواقع، لقد بدأ الباحثون البكتيريا المهندسة للبروتينات تفرز، وقابلة للتحلل وأسهل للنفايات التعامل معها. من أجل تعزيز التقدم المحرز في مجال البحث والقياس من أحدث الطرق لتحسين دقة التنبؤ لعام 1994 أنشئت عامين على تقييم نقدي لتقنيات التنبؤ البروتين هيكل (CASP) من مسابقة عالمية سنوية تسمى الجماعة تجربة واسعة، وأصبح تقنيات تقييم معيار الذهب.
كيف يتم AI إحداث التغيير؟
في السنوات ال 50 الماضية، كان العلماء قادرين على استخدام التقنيات التجريبية، مثل المجهر البرد الإلكترون، الرنين المغناطيسي النووي أو البلورات بالأشعة السينية، ويتحدد شكل البروتين في المختبر، ولكن كل من هذه الأساليب تعتمد على الكثير من التجربة والخطأ، أن قد يستغرق عدة سنوات، وتكلف كل بنية الكثير من المال. هذا هو السبب في الأحياء تحولت إلى الذكاء الاصطناعي لتحل محل هذه عملية طويلة وشاقة للكشف عن البروتينات المعقدة.
لحسن الحظ، بسبب خفض سريع من تكلفة التسلسل الجيني، مجال البيانات الجيني غنية جدا. ولذلك، أصبحت عمق أساليب استنادا إلى بيانات الجينوم تعلم شعبية متزايدة في السنوات الأخيرة. هذا العام قدمنا AlphaFold إلى CASP، والتي في السنوات الأخيرة نحن DeepMind من البحوث حول هذه المسألة. نحن فخورون ليتم استدعاؤها قدرة المنظمين CASP "في التنبؤ بنية البروتين طريقة حساب التقدم غير المسبوق" جزءا من أعلى مرتبة بين فرق القمة في (رمز لدينا هو A7D).
تشعر بالقلق فريقنا بشكل خاص إزاء مشكلة من شكل الهدف النمذجة الصفر، دون استخدام بنية البروتين بنيت سابقا كقالب. عندما الخصائص الفيزيائية للبنية البروتين وتوقع، حصلنا على درجة عالية من الدقة، ومن ثم بناء التنبؤ بنية البروتين كله باستخدام طريقتين مختلفتين.
الخصائص الفيزيائية وتوقع باستخدام الشبكات العصبية
وتعتمد كلتا الطريقتين على الشبكة العصبية العميقة، والشبكة العصبية يتم تدريب هذه الخصائص من البروتينات يمكن التنبؤ بها من التسلسل الجيني للبروتين. توقعاتنا من خصائص الشبكة هي: المسافة بين (أ) الأمينية أزواج الحمضية، (ب) متصلا الزاوية بين الروابط الكيميائية من هذه الأحماض الأمينية. الأول هو لتقييم التقدم المحرز في التقدم من الأحماض الأمينية التقنية المستخدمة شيوعا هي قريبة من بعضها البعض.
نحن نفصل يتم تدريب الشبكة العصبية للتنبؤ توزيع المسافة بين كل زوج من مخلفات البروتين. ثم يتم الجمع بين هذه الاحتمالات إلى نتيجة لتقدير مدى دقة بنية البروتين بناء. قمنا بتدريب أيضا شبكة العصبية واحدة، والذي يستخدم جميع المسافات التي شيدت لتقدير مدى قرب هيكل الإجابة الصحيحة.
التشكل الجديد للأساليب التنبؤ بنية البروتين
مع هذه التهديف وظيفة، كنا قادرين على البحث في شكل البروتين وإيجاد بنية تماشيا مع توقعاتنا. ويستند أسلوب لدينا الأول على التقنيات التقليدية في علم الأحياء الهيكلي، واستبدالها مع جزء جديد من بنية البروتين شظايا البروتين مرارا وتكرارا. قمنا بتدريب صيغة الشبكة العصبية اختراع شظايا الجديدة التي تم استخدامها ليسجل التحسين المستمر للبنية البروتين المقترحة.
هو الأمثل والطريقة الثانية عن طريق كسور أصل الانحدار، الانحدار آلة التعلم أصل تقنيات رياضية تستخدم عادة لصنع، وإدخال تحسينات صغيرة إضافية لبناء التكوين عالية الدقة. يتم تطبيق هذه التقنية في جميع أنحاء سلسلة البروتين، بدلا من الاضطرار إلى قبل قطاعات التجمع مطوية بشكل فردي، مما يقلل من تعقيد عملية التنبؤ.
ماذا يحدث بعد ذلك؟
لدينا أول غزوة في البروتين للطي من النجاح، أظهرت كيف نظم التعلم آلة يمكن أن تدمج مختلف مصادر المعلومات للعلماء مساعدة بسرعة إيجاد حلول خلاقة لحل المشاكل المعقدة. كما رأينا كيف أن الذكاء الاصطناعي لمساعدة الناس من خلال أنظمة مثل AlphaGo وAlphaZero سيد عبة معقدة، ونحن نأمل أيضا أن يوم واحد، الذكاء الاصطناعي اختراق يمكن أن يساعد أيضا لنا فهم المسائل العلمية الأساسية.
هذه العلامات المبكرة للتقدم في البروتين للطي، وأثبتت فعالية الذكاء الاصطناعي في الاكتشاف العلمي، وهو أمر مثير للغاية. على الرغم من قبل ونحن قادرون على إنتاج قياس أثر على العلاج من الأمراض، مثل إدارة البيئة في الكثير من العمل للقيام به، ولكننا نعرف إمكانات هائلة. لدينا فريق متخصص يعمل على آلة تعلم كيفية تعزيز التقدم العلمي، ونحن نتطلع إلى رؤية التكنولوجيا لدينا يمكن أن يجلب المزيد من التغييرات.
شبكة لى فنغ
