‎DeepMind กล่าวว่ามันสามารถทํานายรูปร่างของโปรตีนทุกตัวในร่างกายมนุษย์‎

‎DeepMind กล่าวว่ามันสามารถทํานายรูปร่างของโปรตีนทุกตัวในร่างกายมนุษย์‎

‎ โดย ‎‎ ‎‎ ‎‎สเตฟานี ปัปปาส‎‎ ‎‎ ‎‎ เผยแพร่เมื่อ ‎‎29 กรกฎาคม 2021‎ ‎และในสัตว์อื่น ๆ อีก 20 ชนิดมักศึกษาโดยวิทยาศาสตร์เช่นกัน‎‎โปรตีนเป็นโครงสร้างที่ซับซ้อนในร่างกาย ที่นี่ blobs สีสดใสและบิดเป็นตัวแทนของโปรตีนระบบภูมิคุ้มกันที่แตกต่างกันบนชั้นนอกของ T-cell ซึ่งเป็นเซลล์เม็ดเลือดขาวชนิดหนึ่งที่ช่วยให้ร่างกายสามารถระบุผู้รุกรานจากต่างประเทศได้ ‎‎(เครดิตภาพ: JUAN GAERTNER / ห้องสมุดภาพวิทยาศาสตร์ผ่าน Getty Images)‎

‎บริษัทปัญญาประดิษฐ์ (A.I.) DeepMind กล่าวว่าในไม่ช้ามันจะ

ปล่อยฐานข้อมูลของรูปร่างของโปรตีนทุกตัวที่วิทยาศาสตร์รู้จัก – มากกว่า 100 ล้าน ‎

‎นั่นคือโปรตีนที่มีโครงสร้างทั้งหมดในร่างกายมนุษย์เช่นเดียวกับในการวิจัย 20 ชนิดรวมถึงยีสต์และแบคทีเรีย‎‎อีโคไล‎‎แมลงวันผลไม้และหนู ก่อนโครงการ AlphaFold ของ บริษัท ซึ่งใช้ปัญญาประดิษฐ์เพื่อทํานายรูปร่างโปรตีนมีเพียง 17% ของโปรตีนในร่างกายมนุษย์ที่มีการระบุโครงสร้างของพวกเขาตาม‎‎การตรวจสอบเทคโนโลยี‎‎ทอม เอลลิส นักชีววิทยาสังเคราะห์จากอิมพีเรียลคอลเลจลอนดอนกล่าวกับ Technology Review ‎สร้างภาพถ่ายตอนกลางคืนให้สวยปังใน Lightroom‎อะโดบี โฟโต้ชอป ไลท์รูม‎การพับโปรตีนมีความซับซ้อนอย่างไม่น่าเชื่อ โปรตีนทําจากเส้นยาวของการสร้างบล็อกที่เรียกว่า‎‎กรดอะมิโน‎‎ซึ่งห่อหุ้มตัวเองเป็นรูปร่างที่แปลกและซับซ้อนเพื่อสร้างโครงสร้างการทํางาน การคลี่คลายโครงสร้างเหล่านี้ในห้องปฏิบัติการใช้เวลานาน แต่ DeepMind ‎‎ประกาศในเดือนธันวาคม‎‎ว่าอัลกอริทึม AlphaFold สามารถกําหนดรูปร่างของโปรตีนลงไปที่‎‎อะตอม‎‎ได้ในไม่กี่นาที จนถึงขณะนี้ AlphaFold ได้ทํานาย 36% ของโปรตีนของมนุษย์ที่มีความแม่นยําในระดับอะตอมและได้ทํานายมากกว่าครึ่งหนึ่งด้วยความแม่นยําที่ดีพอที่จะจุดประกายการวิจัยเกี่ยวกับการทํางานของโปรตีนตามที่ บริษัท (ประมาณหนึ่งในสามของโปรตีนในร่างกายไม่มีโครงสร้างเว้นแต่จะผูกติดกับสิ่งอื่นดังนั้น DeepMind จึงไม่สามารถคาดการณ์รูปร่างของพวกเขาได้อย่างถูกต้อง) AlphaFold ทํานายเหล่านี้โดยใช้เครือข่ายประสาทซึ่งเป็นอัลกอริทึมชนิดหนึ่งที่มีไว้เพื่อเลียนแบบวิธีที่‎‎สมอง‎‎ประมวลผลข้อมูลและเป็นสิ่งที่ดีโดยเฉพาะอย่างยิ่งในการรับรู้รูปแบบเช่นลําดับเฉพาะของกรดอะมิโนมีปฏิสัมพันธ์อย่างไรในข้อมูลจํานวนมาก ‎

‎รูปร่างที่คาดการณ์ไว้ยังคงต้องได้รับการยืนยันในห้องปฏิบัติการเอลลิสบอกกับ Technology Review หากผลลัพธ์ถือขึ้นพวกเขาจะผลักดันการศึกษาของ proteome หรือโปรตีนในสิ่งมีชีวิตที่กําหนดอย่างรวดเร็ว นักวิจัย DeepMind ตีพิมพ์โค้ดโอเพ่นซอร์สของพวกเขาและวางวิธีการในเอกสาร‎‎ที่ผ่านการตรวจสอบโดยเพื่อนสองฉบับ‎‎ที่ตีพิมพ์ใน Nature‎‎ เมื่อสัปดาห์ที่แล้ว‎

‎เนื้อหาที่เกี่ยวข้อง‎

‎-‎‎โปรตีนคืออะไร?‎

‎-‎‎ความลับที่น่ากลัวที่อยู่เบื้องหลังพลังอันเหลือเชื่อของปัญญาประดิษฐ์‎

‎-‎‎เครื่องจักรอัจฉริยะสุด ๆ : 7 อนาคตหุ่นยนต์‎

‎ตอนนี้พวกเขาได้ทําประมาณ 350,000 โครงสร้างโปรตีนที่มีอยู่ได้อย่างอิสระในฐานข้อมูลโครงสร้าง

โปรตีน AlphaFold, ‎‎ตามประกาศของ บริษัท‎‎. เหล่านี้รวมถึงโปรตีน 20,000 หรือมากกว่านั้นที่แสดงโดยจีโนมของมนุษย์ (เมื่อโปรตีนถูก “แสดงออก” นั่นหมายความว่าข้อมูลที่เก็บไว้ในจีโนมจะถูกแปลงเป็นคําแนะนําในการทําโปรตีนซึ่งจะทําหน้าที่บางอย่างในร่างกาย) ในอีกไม่กี่เดือนข้างหน้า บริษัท วางแผนที่จะเพิ่มโปรตีนที่เรียงลําดับเกือบทุกชนิดที่วิทยาศาสตร์รู้จัก ‎

‎การทําความเข้าใจโครงสร้างโปรตีนสามารถช่วยให้นักวิจัยเจาะลึกสาเหตุของโรคและช่วยให้พวกเขาค้นพบยาใหม่ที่จะทําหน้าที่เฉพาะในร่างกาย จากข้อมูลของ DeepMind นักวิจัยได้ใช้การค้นพบของ AlphaFold เพื่อศึกษาการดื้อยาปฏิชีวนะเพื่อศึกษาชีววิทยาของไวรัส SARS-CoV-2 ซึ่งเป็นสาเหตุของ COVID-19 และเพื่อค้นหา‎‎เอนไซม์‎‎ใหม่ที่สามารถใช้ในการรีไซเคิลพลาสติก ‎สัตว์กินสัตว์อื่นซึ่งหมายความว่าหมีกําลังฆ่าเพื่อเป็นอาหาร การโจมตีของหมีขั้วโลกเพิ่มขึ้นในช่วงระยะเวลาการศึกษาซึ่งน่าจะเกิดจากการเปลี่ยนแปลงในสภาพแวดล้อมของพวกเขา ‎

‎”อันตรายคือความใกล้ชิดกับผู้คนควบคู่ไปกับจํานวนหมีขั้วโลกที่เพิ่มขึ้นในสภาพร่างกายที่ไม่ดีใช้เวลาบนฝั่งมากขึ้น ทั้งคนและหมีกําลังพยายามปรับตัวให้เข้ากับการเปลี่ยนแปลงอย่างรวดเร็วบนพื้นดินและในทะเล” Geoff York ศึกษาผู้เขียนร่วมและผู้อํานวยการอาวุโสด้านการอนุรักษ์ที่ Polar Bears International กล่าวใน ‎‎ถ้อยแถลง‎‎ (เปิดในแท็บใหม่)‎‎ ในเวลานั้น เมื่อน้ําแข็งทะเลลดลงและเคลื่อนตัวลงจากชายฝั่งหมีขั้วโลกมากขึ้นจึงใช้เวลาอยู่บนบกนานขึ้นเช่นในอ่าวฮัดสันทางตะวันออกเฉียงเหนือของแคนาดา ‎‎”ตอนนี้หมีกําลังต้องเลือกเมื่อน้ําแข็งละลายในแต่ละปี: พวกเขาอยู่บนน้ําแข็งและถอยกลับด้วยมันลงไปในน่านน้ําอาร์กติกลึกหรือกระโดดมาที่ชายฝั่งและใช้โอกาสของพวกเขาบนบกหรือไม่” ยอร์ค

credit : fingerphuk.com, gamersklan.com, germanysoccershop.com, gmperformancetuning.com, godrejeternitykanakapura.com, hanaserucon.com, hardangermannen.com, hatterkepekingyen.com, hdwallpaperrz.com, hobsonmerchandise.com