AlphaFold предсказал структуру почти каждого известного науке белка

DeepMind и Европейский институт биоинформатики EMBL (EMBL-EBI) сделали предсказанные с помощью ИИ трехмерные структуры почти всех каталогизированных белков, известных науке, свободно и открыто доступными для научного сообщества через AlphaFold Protein Structure Database.

База данных расширена примерно в 200 раз — с почти 1 миллиона до свыше 200 миллионов белковых структур, охватывая почти каждый организм на Земле, чей геном был секвенирован. Расширение включает предсказанные структуры для широкого спектра видов: растений, бактерий, животных и других организмов.

Теперь почти каждой белковой последовательности в базе данных UniProt будет сопоставлена предсказанная структура. Это открывает новые исследовательские пути, например, позволяет ученым выявлять закономерности в базе данных, поддерживая биоинформатические и вычислительные работы.

"AlphaFold теперь предлагает 3D-вид белковой вселенной", — заявила Эдит Херд, генеральный директор EMBL.

"Мы поражены тем, как быстро AlphaFold стал важнейшим инструментом для сотен тысяч ученых по всему миру... Наша надежда заключается в том, что эта расширенная база данных поможет бесчисленному множеству других ученых в их важной работе и откроет совершенно новые пути научных открытий", — сказал Демис Хассабис, основатель и CEO DeepMind.

Важный инструмент для ученых

База данных AlphaFold была запущена в июле 2021 года с более чем 350 000 предсказаний, включая весь человеческий протеом. В последующих обновлениях были добавлены UniProtKB/SwissProt и 27 новых протеомов, 17 из которых представляют забытые тропические болезни.

За чуть более года:

• Более 1000 научных статей процитировали базу данных.
• Свыше 500 000 исследователей из более чем 190 стран получили доступ к базе, чтобы просмотреть более 2 миллионов структур.

Исследователи также создают инструменты на основе AlphaFold, такие как Foldseek и Dali, для поиска похожих белков, или применяют его основные идеи машинного обучения в новых алгоритмах, например, для предсказания структуры РНК.

Влияние и будущее AlphaFold

AlphaFold уже оказал влияние на различные области:

• Борьба с пластиковым загрязнением.
• Изучение болезни Паркинсона.
• Исследование здоровья медоносных пчел.
• Понимание процесса образования льда.
• Противодействие забытым болезням (болезнь Шагаса, лейшманиоз).
• Изучение эволюции человека.

"AlphaFold произвел волну в сообществе молекулярных биологов. Только за последний год вышло более тысячи научных статей на самые разные темы, использующих структуры AlphaFold; я никогда ничего подобного не видел", — отметил Самир Веланкар, руководитель группы в Protein Data Bank in Europe (EMBL-EBI).

DeepMind и EMBL-EBI продолжат периодически обновлять базу данных, стремясь улучшать ее функциональность. Доступ к структурам останется полностью открытым по лицензии CC-BY 4.0, а массовые загрузки будут доступны через Google Cloud Public Datasets.