Em 1º de novembro, a DeepMind, um instituto de pesquisa de IA do Google, divulgou em seu site oficial o mais recente progresso tecnológico do modelo de previsão da estrutura de proteínas AlphaFold: melhorou significativamente a precisão da previsão e expandiu a cobertura de proteínas para outras biomoléculas, incluindo ligantes (pequenas moléculas).
AlphaFold é conhecido por ser capaz de prever quase todas as moléculas no banco de dados de proteínas (PDB), incluindo ligantes, proteínas, ácidos nucleicos (DNA e RNA), e moléculas contendo modificações pós-traducionais (PTMs), ao nível de laboratórios de precisão atômica, o que é essencial para a pesquisa farmacêutica.
Base de Dados de Estrutura de Proteína Alphafold:
Últimos desenvolvimentos:
Além do Folding de Proteínas
Desde que o Google lançou o AlphaFold em 2020, ele revolucionou a forma como as proteínas e suas interações são entendidas, prevendo com sucesso a estrutura tridimensional das proteínas e ajudando a alcançar grandes avanços tecnológicos no campo das ciências biológicas.
O AlphaFold é um avanço fundamental na previsão de proteínas de fita simples. O AlphaFold-Multimer expandiu-se então para complexos contendo múltiplas cadeias proteicas, seguido pelo AlphaFold 2.3 para melhorar o desempenho e expandir a cobertura de complexos maiores.
Em 2022, as previsões estruturais do AlphaFold, que abrangem praticamente todas as proteínas catalogadas conhecidas pela ciência, foram disponibilizadas gratuitamente no AlphaFold Protein Structure Database através de uma colaboração com o Instituto Europeu de Bioinformática (EMBL-EBI).
Até à data, 1,4 milhões de utilizadores em mais de 190 países acederam à base de dados de estrutura da proteína AlphaFold, e cientistas de todo o mundo utilizaram as previsões da AlphaFold para ajudar a fazer avançar a investigação que vai desde acelerar o desenvolvimento de novas vacinas contra a malária e avançar na descoberta de medicamentos contra o cancro**, até ao desenvolvimento de enzimas degradadoras de plástico para combater a poluição.
O mais recente modelo AlphaFold não se limita ao dobramento de proteínas, mas também gera previsões estruturais altamente precisas para ligantes, proteínas, ácidos nucleicos e modificações pós-traducionais.
Acelerando o desenvolvimento de medicamentos
A análise dos dados mostrou que o último modelo AlphaFold foi significativamente melhor do que o AlphaFold 2.3 em alguns problemas de predição da estrutura proteica relacionados à descoberta de medicamentos, como a ligação de anticorpos. Além disso, a previsão precisa da estrutura de proteínas e ligantes é uma ferramenta importante para a descoberta de medicamentos, que pode ajudar os cientistas a identificar e projetar novas moléculas que podem se tornar drogas.
O padrão atual na indústria farmacêutica é usar um "método de encaixe" para determinar a interação entre ligantes e proteínas. Estes métodos de acoplamento requerem uma estrutura proteica de referência rígida e um local de ligação do ligante sugerido.
O mais recente modelo AlphaFold estabelece um novo padrão para a predição da estrutura do ligante proteico através de métodos de acoplamento melhores do que os mais relatados, sem a necessidade de referenciar a estrutura da proteína ou a localização de bolsas de ligantes, permitindo previsões de proteínas inteiramente novas que nunca foram estruturalmente caracterizadas antes.
A posição de todos os átomos também pode ser comodelada, permitindo representar a completa flexibilidade inerente das proteínas e ácidos nucleicos na interação com outras moléculas, o que não é possível com métodos de acoplamento.
Por exemplo, aqui estão três casos relacionados ao tratamento publicados recentemente em que as estruturas previstas pelo último modelo AlphaFold (mostrado em cores) correspondiam de perto às estruturas determinadas experimentalmente (mostradas em cinza):
Previsões para PORCN (1), KRAS (2) e PI5P4Kγ (3).
PORCN: Uma molécula anticancerígena em estágio clínico que se liga ao seu alvo, bem como a outra proteína.
KRAS: Complexo ternário formado com um ligando covalente (uma cola molecular) de um alvo importante do cancro.
PI5P4Kγ: Inibidor alostérico seletivo das quinases lipídicas com múltiplos efeitos de doenças, incluindo cancro e doenças imunitárias.
Uma Nova Compreensão da Biologia
Ao desbloquear a modelagem de estruturas de proteínas e ligantes, bem como ácidos nucleicos e estruturas contendo modificações pós-traducionais, o mais recente modelo AlphaFold fornece uma ferramenta mais rápida e precisa para examinar a biologia subjacente.
Por exemplo, envolve a estrutura da ligação do CasLambda ao crRNA e ao DNA, que faz parte da família CRISPR.
CasLambda compartilha o poder da edição de genes com o sistema CRISPR-Cas9, amplamente conhecido como "tesoura genética", que os pesquisadores podem usar para alterar o DNA de animais, plantas e micróbios. O tamanho menor do CasLambda pode torná-lo mais eficiente para uso na edição de genes.
Estrutura prevista de CasLambda (Cas12l) ligada ao crRNA e DNA (parte do subsistema CRISPR).
A capacidade do AlphaFold de modelar sistemas tão complexos sugere que os modelos de IA podem ajudar a comunidade médica de biotecnologia a entender melhor esses tipos de mecanismos e acelerar sua aplicação no processo terapêutico.
De acordo com o DeepMind do Google, o mais recente modelo AlphaFold pode ajudar os avanços biomédicos e construir a próxima era da "biologia digital", fornecendo previsões detalhadas e importantes para genômica, materiais biorenováveis, imunidade vegetal, alvos terapêuticos potenciais, design de medicamentos e muito mais.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
O modelo AlphaFold do Google inaugurou um grande avanço! Biomoléculas, ligantes podem ser previstos
Fonte original: AIGC Open Community
Em 1º de novembro, a DeepMind, um instituto de pesquisa de IA do Google, divulgou em seu site oficial o mais recente progresso tecnológico do modelo de previsão da estrutura de proteínas AlphaFold: melhorou significativamente a precisão da previsão e expandiu a cobertura de proteínas para outras biomoléculas, incluindo ligantes (pequenas moléculas).
AlphaFold é conhecido por ser capaz de prever quase todas as moléculas no banco de dados de proteínas (PDB), incluindo ligantes, proteínas, ácidos nucleicos (DNA e RNA), e moléculas contendo modificações pós-traducionais (PTMs), ao nível de laboratórios de precisão atômica, o que é essencial para a pesquisa farmacêutica.
Base de Dados de Estrutura de Proteína Alphafold:
Últimos desenvolvimentos:
Além do Folding de Proteínas
Desde que o Google lançou o AlphaFold em 2020, ele revolucionou a forma como as proteínas e suas interações são entendidas, prevendo com sucesso a estrutura tridimensional das proteínas e ajudando a alcançar grandes avanços tecnológicos no campo das ciências biológicas.
O AlphaFold é um avanço fundamental na previsão de proteínas de fita simples. O AlphaFold-Multimer expandiu-se então para complexos contendo múltiplas cadeias proteicas, seguido pelo AlphaFold 2.3 para melhorar o desempenho e expandir a cobertura de complexos maiores.
Em 2022, as previsões estruturais do AlphaFold, que abrangem praticamente todas as proteínas catalogadas conhecidas pela ciência, foram disponibilizadas gratuitamente no AlphaFold Protein Structure Database através de uma colaboração com o Instituto Europeu de Bioinformática (EMBL-EBI).
O mais recente modelo AlphaFold não se limita ao dobramento de proteínas, mas também gera previsões estruturais altamente precisas para ligantes, proteínas, ácidos nucleicos e modificações pós-traducionais.
Acelerando o desenvolvimento de medicamentos
A análise dos dados mostrou que o último modelo AlphaFold foi significativamente melhor do que o AlphaFold 2.3 em alguns problemas de predição da estrutura proteica relacionados à descoberta de medicamentos, como a ligação de anticorpos. Além disso, a previsão precisa da estrutura de proteínas e ligantes é uma ferramenta importante para a descoberta de medicamentos, que pode ajudar os cientistas a identificar e projetar novas moléculas que podem se tornar drogas.
O padrão atual na indústria farmacêutica é usar um "método de encaixe" para determinar a interação entre ligantes e proteínas. Estes métodos de acoplamento requerem uma estrutura proteica de referência rígida e um local de ligação do ligante sugerido.
O mais recente modelo AlphaFold estabelece um novo padrão para a predição da estrutura do ligante proteico através de métodos de acoplamento melhores do que os mais relatados, sem a necessidade de referenciar a estrutura da proteína ou a localização de bolsas de ligantes, permitindo previsões de proteínas inteiramente novas que nunca foram estruturalmente caracterizadas antes.
A posição de todos os átomos também pode ser comodelada, permitindo representar a completa flexibilidade inerente das proteínas e ácidos nucleicos na interação com outras moléculas, o que não é possível com métodos de acoplamento.
Por exemplo, aqui estão três casos relacionados ao tratamento publicados recentemente em que as estruturas previstas pelo último modelo AlphaFold (mostrado em cores) correspondiam de perto às estruturas determinadas experimentalmente (mostradas em cinza):
PORCN: Uma molécula anticancerígena em estágio clínico que se liga ao seu alvo, bem como a outra proteína.
KRAS: Complexo ternário formado com um ligando covalente (uma cola molecular) de um alvo importante do cancro.
PI5P4Kγ: Inibidor alostérico seletivo das quinases lipídicas com múltiplos efeitos de doenças, incluindo cancro e doenças imunitárias.
Uma Nova Compreensão da Biologia
Ao desbloquear a modelagem de estruturas de proteínas e ligantes, bem como ácidos nucleicos e estruturas contendo modificações pós-traducionais, o mais recente modelo AlphaFold fornece uma ferramenta mais rápida e precisa para examinar a biologia subjacente.
Por exemplo, envolve a estrutura da ligação do CasLambda ao crRNA e ao DNA, que faz parte da família CRISPR.
CasLambda compartilha o poder da edição de genes com o sistema CRISPR-Cas9, amplamente conhecido como "tesoura genética", que os pesquisadores podem usar para alterar o DNA de animais, plantas e micróbios. O tamanho menor do CasLambda pode torná-lo mais eficiente para uso na edição de genes.
A capacidade do AlphaFold de modelar sistemas tão complexos sugere que os modelos de IA podem ajudar a comunidade médica de biotecnologia a entender melhor esses tipos de mecanismos e acelerar sua aplicação no processo terapêutico.
De acordo com o DeepMind do Google, o mais recente modelo AlphaFold pode ajudar os avanços biomédicos e construir a próxima era da "biologia digital", fornecendo previsões detalhadas e importantes para genômica, materiais biorenováveis, imunidade vegetal, alvos terapêuticos potenciais, design de medicamentos e muito mais.