نمایش نمای سه بعدی از جهان پروتئین توسط هوش مصنوعی
به گزارش سینا پرس فارس، این کاتالوگ از طریق پایگاه داده ساختار پروتئین آلفا فولد به صورت آزاد و آزاد در دسترس جامعه علمی است، این دو سازمان امیدوارند که پایگاه داده گسترش یافته به افزایش درک ما از زیست شناسی ادامه دهد و به تعداد بیشماری از دانشمندان در کارشان کمک کند تا با چالش های جهانی مقابله کنند.
این نقطه عطف بزرگ نشان می دهد که پایگاه داده تقریباً 200 برابر گسترش یافته است. از نزدیک به 1 میلیون ساختار پروتئینی به بیش از 200 میلیون افزایش یافته است و اکنون تقریباً همه موجودات روی زمین را که توالی ژنوم آنها تعیین شده است، پوشش می دهد.
ساختارهای پیش‌بینی‌شده برای طیف گسترده‌ای از گونه‌ها، از جمله گیاهان، باکتری‌ها، حیوانات و سایر موجودات اکنون در پایگاه داده توسعه‌یافته گنجانده شده‌اند، این امر راه های جدیدی را برای تحقیقات در سراسر علوم زیستی باز می کند که بر چالش های جهانی از جمله پایداری، ناامنی غذایی و بیماری های نادیده گرفته شده تأثیر خواهد گذاشت.
اکنون، یک ساختار پیش‌بینی‌شده برای تقریباً تمام توالی‌های پروتئین در پایگاه داده پروتئین UniProt در دسترس خواهد بود، این نسخه همچنین راه های تحقیقاتی جدیدی را باز می کند، از جمله پشتیبانی از بیوانفورماتیک و کار محاسباتی با اجازه دادن به دانشمندان برای شناسایی الگوها و روندهای بالقوه در پایگاه داده.
ادیت هرد، مدیر کل embiگفت: اکنون یک نمای سه بعدی از جهان پروتئین ارائه می دهد" محبوبیت و رشد پایگاه داده AlphaFold گواهی بر موفقیت همکاری بین DeepMind و EMBL است. این به ما نگاهی اجمالی به قدرت علم چند رشته ای نشان می دهد.»
دمیس حسابیس، بنیانگذار و مدیر عامل DeepMind گفت: «ما از سرعت تبدیل AlphaFold به ابزاری ضروری برای صدها هزار دانشمند در آزمایشگاه ها و دانشگاه ها در سراسر جهان شگفت زده شده ایم. از مبارزه با بیماری گرفته تا مقابله با آلودگی پلاستیکی، AlphaFold در حال حاضر تاثیر باورنکردنی بر برخی از بزرگترین چالش های جهانی ما ایجاد کرده است. امید ما این است که این پایگاه داده گسترش یافته به تعداد بیشماری از دانشمندان در کارهای مهم خود کمک کند و راه های کاملا جدیدی برای اکتشافات علمی باز کند.
DeepMind و EMBL-EBI پایگاه داده AlphaFold را در ژوئیه 2021 راه اندازی کردند. در آن زمان بیش از 350000 پیش بینی ساختار پروتئین، از جمله کل پروتئوم انسانی را شامل می شد. به روز رسانی های بعدی شاهد اضافه شدن UniProtKB/SwissProt و 27 پروتئوم جدید بود که 17 مورد از آنها نشان دهنده بیماری های استوایی نادیده گرفته شده است که همچنان زندگی بیش از 1 میلیارد نفر را در سراسر جهان ویران می کند.
بیش از 1000 مقاله علمی به پایگاه داده ارجاع داده اند و بیش از 500000 محقق از بیش از 190 کشور به پایگاه داده AlphaFold برای مشاهده بیش از دو میلیون ساختار در مدت کمی بیش از یک سال دسترسی پیدا کرده اند.
این تیم همچنین محققانی را مشاهده کرده‌اند که بر روی AlphaFold برای ایجاد و تطبیق ابزارهایی مانند Foldseek و Dali که به کاربران اجازه می‌دهد به جستجوی ورودی‌هایی شبیه به یک پروتئین خاص بپردازند. دیگران ایده‌های اصلی یادگیری ماشینی به واسطه AlphaFold را پذیرفته‌اند و ستون فقرات الگوریتم‌های جدید را در این فضا تشکیل می‌دهند، یا آنها را در زمینه‌هایی مانند پیش‌بینی ساختار RNA یا توسعه مدل‌های جدید برای طراحی پروتئین‌ها به کار می‌برند.
تاثیر و آینده AlphaFold و پایگاه داده AlphaFold همچنین در زمینه‌هایی مانند بهبود توانایی ما برای مبارزه با آلودگی پلاستیکی، دستیابی به بینش در مورد بیماری پارکینسون، افزایش سلامت زنبورهای عسل، درک چگونگی تشکیل یخ، مقابله با بیماری‌های نادیده گرفته شده مانند بیماری شاگاس و لیشمانیوز، و کاوش در تکامل انسان تأثیر نشان داده است.
ما AlphaFold را منتشر کردیم به این امید که سایر تیم‌ها بتوانند از پیشرفت‌هایی که ما به دست آورده‌ایم یاد بگیرند و بر روی آنها پیشرفت کنند، و دیدن این اتفاق به این سرعت هیجان‌انگیز بود. بسیاری دیگر از سازمان‌های تحقیقاتی هوش مصنوعی اکنون وارد این میدان شده‌اند و بر اساس پیشرفت‌های AlphaFold برای ایجاد پیشرفت‌های بیشتر هستند.محقق جان جامپر، محقق و سرپرست آلفا فولد در DeepMind می‌گوید: «این واقعاً عصر جدیدی در زیست‌شناسی ساختاری است و روش‌های مبتنی بر هوش مصنوعی پیشرفت‌های باورنکردنی را به همراه خواهند داشت.
مترجم: زهره طایفی سیفی
منبع: scitechdaily
