DeepMind 程序 AlphaFold 预测了这些结构。
人工智能团队 DeepMind 已经解开了科学界几乎所有已知蛋白质的结构。
研究人员使用 AlphaFold 程序实现了这一壮举，该程序是 DeepMind 于 2018 年首次开发并于 2021 年 7 月公开发布的。该开源程序可以根据构成蛋白质的氨基酸序列预测蛋白质的 3D 结构。 蛋白质的结构决定了它的功能，因此由 AlphaFold 识别的包含 2 亿个蛋白质结构的数据库有可能帮助识别人类可以利用的新蛋白质主力军。
例如，据《卫报》报道，该数据库可能包括有助于回收塑料的蛋白质。
“我们花了很长时间来浏览这个庞大的结构数据库，但[它]打开了我们以前从未见过的一系列新的三维形状，它们实际上可以分解塑料，”约翰·麦吉汉教授说。 英国朴茨茅斯大学结构生物学博士告诉《卫报》。 “有一个完整的范式转变。我们可以真正加速我们从这里走向何方——这有助于我们将这些宝贵的资源用于重要的东西。”
深入了解蛋白质
蛋白质就像微小的、难以理解的谜题。它们是由从细菌到植物再到动物的有机体产生的，当它们被制成时，它们会在几毫秒内折叠起来，但它们的结构非常复杂，试图猜测它们会变成什么形状几乎是不可能的。美国分子生物学家赛勒斯·莱文塔尔（Cyrus Levinthal）在 1969 年的一篇论文中指出了一个悖论，即尽管蛋白质具有大量可能的构型，但蛋白质折叠如此迅速和精确，估计给定蛋白质可能有 10^300 种可能的最终构型。形状..
因此，Levinthal 写道，如果人们试图通过逐个尝试每种配置来获得正确的蛋白质形状，那么获得正确答案的时间将比宇宙迄今为止存在的时间更长。
科学家们确实有办法可视化蛋白质并分析它们的结构，但这是一项缓慢而艰巨的工作。根据《自然》杂志的报道，最常见的蛋白质成像方法是通过 X 射线晶体学，其中包括将 X 射线照射到蛋白质的固体晶体上，并测量这些射线是如何衍射的，以确定蛋白质是如何形成的安排的。据 DeepMind称，这项实验工作已经确定了大约 190,000 种蛋白质的形状。
去年，DeepMind 发布了对人体和 20 个研究物种中每种蛋白质的蛋白质形状预测，此前曾报道过。现在，他们已经将这些预测扩展到基本上所有的蛋白质。
DeepMind 代表在一份声明中表示：“此次更新包括植物、细菌、动物和其他生物的预测结构，为研究人员使用 AlphaFold 推进他们在重要问题上的工作提供了许多新机会，包括可持续性、粮食不安全和被忽视的疾病。” 。
让蛋白质发挥作用
AlphaFold 在试图解释蛋白质结构时通过积累有关氨基酸序列和相互作用的知识来工作。该算法现在可以在几分钟内预测蛋白质的形状，精确到原子水平。
研究人员已经在使用 AlphaFold 的劳动成果。据《卫报》报道，该计划使研究人员最终能够表征一种不适合 X 射线晶体学的关键疟原虫蛋白。研究人员告诉《卫报》，这可以改善针对这种疾病的疫苗开发。
在挪威生命科学大学，蜜蜂研究员 Vilde Leipart 使用 AlphaFold 揭示了卵黄蛋白的结构——卵黄蛋白是一种由所有产卵动物制造的生殖和免疫蛋白。 Leipart 在 DeepMind 的博客文章中写道，这一发现可能会带来新的方法来保护蜜蜂和鱼类等重要的产卵动物免受疾病侵害。
ROME Therapeutics 的首席执行官 Rosana Kapeller 在 DeepMind 声明中表示，该计划还为寻找新药提供了信息。
“AlphaFold 的速度和准确性正在加速药物发现过程，”Kapeller 说，
“而且我们才刚刚开始意识到它对更快地为患者提供新药的影响。”