DeepMind: KI sagt menschliche Proteinstrukturen voraus

DeepMind hat die bislang umfassendeste Datenbank zur Vorhersage menschlicher Proteinstrukturen veröffentlicht. Der Durchbruch könnte eine neue Ära für die KI-gestützte Biologie einläuten.

von
Tammy
Lovell

Die umfassendste Datenbank mit Vorhersagen zur Struktur von Proteinen im menschlichen Körper wurde mit der wissenschaftlichen Gemeinschaft geteilt, um neue Entdeckungen zu ermöglichen.

Forschern von der Alphabet-Tochter DeepMind gelang der Durchbruch mit dem künstlichen Intelligenz (KI)-System AlphaFold, das im Dezember 2020 als Lösung für die seit 50 Jahre bestehende Herausforderung der Proteinstrukturvorhersage gefeiert wurde.

In Zusammenarbeit mit dem European Molecular Biology Laboratory (EMBL) haben sie mehr als 350.000 Proteinstrukturvorhersagen, einschließlich des gesamten menschlichen Proteoms, veröffentlicht, um die Forschung zu ermöglichen und zu beschleunigen.

Ein Artikel in der Zeitschrift Nature zeigt ein vollständiges Bild der Proteine, aus denen das menschliche Proteom besteht, und der Freisetzung von 20 zusätzlichen Organismen, die für die biologische Forschung wichtig sind.

WARUM DIES WICHTIG IST

Die Datenbank erweitert das gesammelte Wissen über Proteinstrukturen drastisch und erhöht die Zahl der hochpräzisen menschlichen Proteinstrukturen, die den Forschern zur Verfügung stehen, um mehr als das Doppelte.

In der Lage zu sein, die Form eines Proteins anhand seiner Aminosäuresequenz rechnerisch vorherzusagen, kann Wissenschaftlern dabei helfen, in Monaten das zu erreichen, was zuvor Jahre dauerte, um es durch mühsame und kostspielige experimentelle Techniken zu bestimmen.

DER GRÖSSERE KONTEXT

AlphaFold wird bereits von Partnern wie der Drugs for Neglected Diseases Initiative (DNDi) genutzt, um deren Forschung zu lebensrettenden Heilmitteln für Krankheiten voranzutreiben, von denen die ärmeren Teile der Welt überproportional betroffen sind, sowie vom Center for Enzyme Innovation (CEI), um dabei zu helfen, schnellere Enzyme für das Recycling von Einwegkunststoffen zu entwickeln.

WAS GESAGT WURDE

DeepMind-Gründer und CEO Demis Hassabis sagte: „Unser Ziel bei DeepMind war es immer, KI zu entwickeln und sie dann als Werkzeug zu nutzen, um das Tempo der wissenschaftlichen Entdeckung selbst zu beschleunigen und so unser Verständnis der Welt um uns herum zu verbessern.“

„Wir haben AlphaFold verwendet, um das vollständigste und genaueste Bild des menschlichen Proteoms zu erstellen. Wir glauben, dass dies den bisher bedeutendsten Beitrag der KI zum Fortschritt der wissenschaftlichen Erkenntnisse darstellt und ein großartiges Beispiel dafür ist, welche Vorteile KI für die Gesellschaft bringen kann.“

Edith Heard, Generaldirektorin des EMBL, sagte: „Die AlphaFold-Datenbank ist ein perfektes Beispiel für den positiven Kreislauf der offenen Wissenschaft. AlphaFold wurde mit Daten aus öffentlichen Quellen traininert, die von der wissenschaftlichen Gemeinschaft bereitgestellt wurden. Daher ist es sinnvoll, dass die Vorhersagen öffentlich sind.

„Der offene und ungehinderte Austausch von AlphaFold-Vorhersagen wird Forscher überall in die Lage versetzen, neue Erkenntnisse zu gewinnen und Entdeckungen voranzutreiben. Ich glaube, dass AlphaFold wirklich eine Revolution für die Biowissenschaften ist, genau wie die Genomik vor einigen Jahrzehnten, und ich bin sehr stolz darauf, dass EMBL DeepMind dabei helfen konnte, einen offenen Zugang zu dieser bemerkenswerten Ressource zu ermöglichen.“

Der stellvertretende Generaldirektor des EMBL und Direktor des EMBL-EBI, Ewan Birney, sagte: „Dies wird einer der wichtigsten Datensätze seit der Kartierung des menschlichen Genoms sein. Die Bereitstellung von AlphaFold-Vorhersagen für die internationale wissenschaftliche Gemeinschaft eröffnet so viele neue Forschungswege, von vernachlässigten Krankheiten bis hin zu neuen Enzymen für die Biotechnologie und allem dazwischen.“


##
Dies ist eine Übersetzung eines englischsprachigen Artikels von Tammy Lovell, erschienen auf Healthcare IT News.

Auch für Sie interessant

Your search returned no results.