AlphaFold genera una vista 3D del universo proteico

AlphaFold predice la estructura de casi todas las proteínas catalogadas conocidas por la ciencia. Crédito: Karen Arnott / EMBL-EBI

DeepMind y el Instituto Europeo de Bioinformática del EMBL (EMBL-EBI) realizaron predicciones basadas en inteligencia artificial de las estructuras tridimensionales de casi todas las proteínas catalogadas conocidas por la ciencia. el catalogo es libre y abiertamente disponible para la comunidad científica, a través de la base de datos de estructuras de proteínas AlphaFold.

Las dos organizaciones esperan que la base de datos ampliada continúe aumentando nuestra comprensión de la biología, ayudando a muchos otros científicos en su trabajo mientras se esfuerzan por abordar los desafíos globales.

Este importante hito marca la expansión de la base de datos aproximadamente 200 veces. Ha crecido de casi 1 millón de estructuras de proteínas a más de 200 millones y ahora cubre casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado. Las estructuras planificadas para una amplia gama de especies, incluidas plantas, bacterias, animales y otros organismos, ahora se incluyen en la base de datos ampliada. Esto abre nuevas vías de investigación en ciencias de la vida que tendrán un impacto en los desafíos globales, incluida la sostenibilidad, la inseguridad alimentaria y las enfermedades desatendidas.

Ahora, una estructura predicha estará disponible para prácticamente todas las secuencias de proteínas en el UniProt base de datos de proteinas Este lanzamiento también abrirá nuevas vías de investigación, incluido el apoyo a la bioinformática y el trabajo computacional, lo que permitirá a los científicos identificar potencialmente patrones y tendencias en la base de datos.

«AlphaFold ahora ofrece una vista en 3D del universo de las proteínas», dijo Edith Heard, directora ejecutiva de EMBL. “La popularidad y el crecimiento de la base de datos AlphaFold atestiguan la exitosa colaboración entre DeepMind y EMBL. Nos muestra una muestra del poder de la ciencia multidisciplinar”.

«Nos sorprendió la rapidez con la que AlphaFold se ha convertido ya en una herramienta esencial para cientos de miles de científicos en laboratorios y universidades de todo el mundo», dijo Demis Hassabis, fundador y director ejecutivo de DeepMind. «Desde la lucha contra las enfermedades hasta la contaminación plástica, AlphaFold ya ha tenido un impacto increíble en algunos de nuestros mayores desafíos globales. Nuestra esperanza es que esta base de datos ampliada ayude a muchos otros científicos en su importante trabajo y abra vías completamente nuevas de descubrimiento científico».

Q8W3K0

Q8W3K0: una potencial proteína resistente a enfermedades de las plantas. Crédito: AlphaFold

Una herramienta esencial para los científicos.

DeepMind y EMBL-EBI lanzado la base de datos AlphaFold en julio de 2021. En ese momento contenía más de 350.000 predicciones sobre la estructura de las proteínas, incluido el proteoma humano completo. Las actualizaciones posteriores vieron la adición de UniProtKB / SwissProt y 27 nuevos proteomas, 17 de los cuales representan enfermedades tropicales desatendidas que continúan causar estragos la vida de más de mil millones de personas en todo el mundo.

Más de 1000 artículos científicos citaron la base de datos y más de 500 000 investigadores de más de 190 países accedieron a la base de datos AlphaFold para ver más de dos millones de estructuras en poco más de un año.

El equipo también vio a los investigadores confiar en AlphaFold para crear y adaptar herramientas como foldseek Y Desde allí que permiten a los usuarios buscar entradas similares a una proteína en particular. Otros han adoptado las ideas básicas de aprendizaje automático detrás de AlphaFold, formando la columna vertebral de una serie de nuevos algoritmos en este espacio, o aplicándolos a áreas como predicción de la estructura del ARN o desarrollar nuevos modelos para el diseño de proteínas.

Impacto y futuro de AlphaFold y la base de datos

AlphaFold también ha mostrado un impacto en áreas como mejorar nuestra capacidad para hacerlo luchar contra la contaminación plásticaadquiriendo informacion enfermedad de Parkinsonaumentando el salud de las abejascomprensión como se forma el hielohacer frente a enfermedades desatendidas como la enfermedad de Chagas y la leishmaniasis y la exploración evolución humana.

“Lanzamos AlphaFold con la esperanza de que otros equipos pudieran aprender y aprovechar el progreso que hemos logrado, y fue emocionante ver que sucedió tan rápido. Muchas otras organizaciones de investigación de IA ahora han ingresado al campo y están aprovechando los avances de AlphaFold para crear más avances. Esta es verdaderamente una nueva era en biología estructural y los métodos basados ​​en IA impulsarán avances increíbles”, dijo John Jumper, investigador y líder de AlphaFold en DeepMind.

“AlphaFold ha enviado ondas a la comunidad de biología molecular. Solo en el último año, se han publicado más de mil artículos científicos sobre una amplia gama de temas de investigación utilizando estructuras AlphaFold; Nunca había visto algo así «, dijo Sameer Velankar, líder del equipo del Banco de datos de proteínas de EMBL-EBI en Europa. «Y ese es solo el impacto de un millón de pronósticos; imagine el impacto de tener más de 200 millones de predicciones de estructuras de proteínas abiertamente accesible en la base de datos AlphaFold».

DeepMind y EMBL-EBI continuarán actualizando periódicamente la base de datos, con el objetivo de mejorar las características y la funcionalidad en respuesta a los comentarios de los usuarios. El acceso a las instalaciones seguirá estando completamente abierto, con licencia CC-BY 4.0, y las descargas masivas estarán disponibles a través de Conjunto de datos públicos de Google Cloud.

READ  Los astrónomos descubren una "ruptura" en uno de los brazos espirales de la Vía Láctea

Deja una respuesta

Tu dirección de correo electrónico no será publicada.