Nós vimos também sinais de que a predição de estrutura de proteínas que pode ser útil no futuro de uma pandemia de esforços de resposta, como uma das muitas ferramentas desenvolvidas pela comunidade científica. No início deste ano, previmos várias estruturas proteicas do vírus SARS-CoV-2, incluindo ORF3a, cujas estruturas eram anteriormente desconhecidas. No CASP14, previmos a estrutura de outra proteína coronavírus, ORF8. Impressionantemente rápido trabalho por experimentalistas confirmou as estruturas de ORF3a e ORF8. Apesar de sua natureza desafiadora e ter muito poucas sequências relacionadas, alcançamos um alto grau de precisão em ambas as nossas previsões quando comparadas com suas estruturas experimentalmente determinadas.além de acelerar a compreensão das doenças conhecidas, estamos entusiasmados com o potencial destas técnicas para explorar as centenas de milhões de proteínas para as quais não temos modelos – um vasto terreno de biologia desconhecida. Uma vez que o DNA especifica as sequências de aminoácidos que compõem as estruturas proteicas, a revolução genômica tornou possível a leitura de sequências de proteínas do mundo natural em escala massiva – com 180 milhões de sequências de proteínas e contando na Base de dados de proteínas Universal (UniProt). Em contraste, dado o trabalho experimental necessário para passar da sequência à estrutura, apenas cerca de 170.000 estruturas proteicas estão no banco de dados proteicos (PDB). Entre as proteínas indeterminadas podem estar algumas com funções novas e excitantes e – tal como um telescópio nos ajuda a ver mais profundamente o universo desconhecido-técnicas como AlphaFold podem ajudar-nos a encontrá-las.
desbloquear novas possibilidades
AlphaFold é um dos nossos avanços mais significativos até à data, mas, como acontece com toda a investigação científica, ainda há muitas perguntas a responder. Nem todas as estruturas que prevemos serão perfeitas. Ainda há muito a aprender, incluindo como múltiplas proteínas formam complexos, como interagem com DNA, RNA ou moléculas pequenas, e como podemos determinar a localização precisa de todas as cadeias laterais de aminoácidos. Em colaboração com outros, há também muito a aprender sobre a melhor forma de usar essas descobertas científicas no desenvolvimento de novos medicamentos, formas de gerenciar o meio ambiente, e muito mais.
para todos nós trabalhando em métodos computacionais e de aprendizagem de máquinas na ciência, sistemas como AlphaFold demonstram o potencial deslumbrante para a IA como uma ferramenta para ajudar a descoberta fundamental. Assim como há 50 anos, Anfinsen lançou um desafio muito além do alcance da ciência na época, há muitos aspectos do nosso universo que permanecem desconhecidos. O progresso anunciado hoje nos dá mais confiança de que a ia se tornará uma das ferramentas mais úteis da humanidade na expansão das fronteiras do conhecimento científico, e estamos ansiosos pelos muitos anos de trabalho duro e descoberta pela frente!
até Termos publicado um artigo sobre este trabalho, por favor cite:
de Alta Precisão de Predição de Estrutura de Proteínas Usando uma Aprendizagem mais Profunda
John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Kathryn Tunyasuvunakool, Olaf Ronneberger, Russ Bates, Augustin Žídek, Alex Bridgland, Clemens Meyer, Simon Um Kohl, Anna Potapenko, Andrew J Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor de Volta, Stig Petersen, David Reiman, Martin Steinegger, Michalina Pacholska, David Prata, Oriol Vinyals, Andrew W Sênior, Koray Kavukcuoglu, Pushmeet Kohli, Demis Hassabis.In Fourteenth Critical Assessment of Techniques for Protein Structure Prediction( Abstract Book), 30 November – 4 December 2020. Retrieved from here.
estamos no início da exploração da melhor forma de permitir que outros grupos utilizem as nossas previsões de estrutura, juntamente com a preparação de um artigo revisto por pares para publicação. Embora a nossa equipa não seja capaz de responder a todas as perguntas, se AlphaFold pode ser relevante para o seu trabalho, por favor envie algumas linhas sobre isso para [email protected] estaremos em contacto se houver espaço para mais exploração.