Suche
Mein Konto
Preboj v raziskavah beljakovin: nov model AI revolucionira oblikovanje zdravil!
Raziskovalci iz FU Berlin in Microsoft predstavljajo BioEmu, model AI za natančno napovedovanje beljakovin.
Preboj v raziskavah beljakovin: nov model AI revolucionira oblikovanje zdravil!
Raziskovalna ekipa iz Svobodna univerza v Berlinu v sodelovanju z Microsoft Research AI za znanost je naredil pomemben preboj pri modeliranju bioloških proteinov. Ta test je jedro revije 10. julij Znanost objavljena študija z naslovom "Scalable emulation of protein equilibrium ensembles with generative deep learning". Nove ugotovitve bi lahko olajšale prihodnji napredek pri načrtovanju zdravil in biomedicinskih raziskavah.
Glavni poudarek študije je uvedba BioEmu, inovativnega generativnega sistema globokega učenja za posnemanje ravnotežnega obnašanja beljakovin. Za BioEmu je značilna visoka natančnost in natančnost ter je namenjen boljšemu odražanju delovanja številnih proteinov, katerih aktivnost je močno odvisna od njihove dinamične strukture. Ključni cilj razvoja je povečati uspešnost novih učinkovin v kliničnih študijah.
Tehnološke inovacije in večja učinkovitost
Omeniti velja sposobnost BioEmu, da ustvari na tisoče statistično neodvisnih beljakovinskih struktur na uro na eni grafični kartici (GPE). To vodi do znatnega zmanjšanja stroškov in časa, potrebnega za preiskavo funkcionalno pomembnih strukturnih sprememb. Z združevanjem več kot 200 milisekund simulacij molekularne dinamike z eksperimentalnimi podatki BioEmu doseže napoved strukturnih sklopov in termodinamičnih lastnosti s skoraj eksperimentalno natančnostjo.
Raziskovalni skupini pod vodstvom prof. dr. Franka Noéja in prof. dr. Cecilie Clementi sta pomembno prispevali k razvoju. Prof. Noé, vodja partnerskih raziskav pri Microsoft Research in častni profesor na FU Berlin, poudarja, da lahko BioEmu napove tudi zapletene strukturne spremembe, kot so skriti vezni žepi in gibanja celotnih beljakovinskih domen. To omogoča natančno napoved sprememb stabilnosti beljakovin z natančnostjo, primerljivo z laboratorijsko analizo.
Tradicionalni pristopi proti globokemu učenju
Znano je, da so trenutne tehnike simulacije molekularne dinamike počasne, drage in zahtevajo veliko virov. BioEmu ponuja hitrejšo in cenejšo alternativo. Model, ki so ga razvili Sarah Lewis in njena ekipa, združuje podatke o usposabljanju iz napovedi strukture AlphaFold, obsežnih simulacij molekularne dinamike in obsežnih eksperimentalnih meritev stabilnosti beljakovin.
Vendar pa obstajajo tudi omejitve: BioEmu izvorno ne modelira molekularne dinamike ali interakcij z membranami in ligandi, niti ne upošteva spremenljivih okoljskih pogojev, kot sta temperatura ali pH. Kljub temu avtorji pričakujejo, da bo model pokazal, kako lahko poglobljeno učenje amortizira visoke stroške simulacij in eksperimentov, da bi omogočili obsežno, podatkovno usmerjeno napovedovanje delovanja beljakovin.
Praktične posledice in prihodnje raziskave
Pomemben vidik študije je objava velikega nabora podatkov, uporabljenega za razvoj BioEmu, s strani Microsoft Research. Ta nabor podatkov je največja javno dostopna zbirka beljakovinskih simulacij z različnimi zaporedji. Široka dostopnost izvorne kode BioEmu pod licenco MIT odpira nove poti v raziskavah bioinformatike in načrtovanju zdravil.
Takšne raziskave so ključnega pomena za razumevanje biologije in delovanja beljakovin, ki preklapljajo med različnimi oblikami. To ostaja ključni izziv za znanost, zlasti v biotehnologiji in medicinskih raziskavah.