[ad_1]

در CASP امسال ، AlphaFold ساختار ده ها پروتئین را با حاشیه خطای فقط 1.6 آنگستروم پیش بینی می کند – این 0.16 نانومتر است. این به مراتب از سایر روشهای محاسبه پیشی می گیرد و برای اولین بار همزمان با دقت تکنیکهای تجربی برای نقشه برداری از ساختار پروتئین در آزمایشگاه ، مانند میکروسکوپ الکترونی برقی ، تصویربرداری تشدید مغناطیسی و کریستالوگرافی اشعه X است. این تکنیک ها گران و کند هستند: ممکن است صدها هزار دلار و سالها آزمایش و خطا برای هر پروتئین طول بکشد. AlphaFold می تواند فرم پروتئین را طی چند روز پیدا کند.

اما شناسایی ساختار پروتئین بسیار دشوار است. برای اکثر پروتئین ها ، محققان توالی اسیدهای آمینه را در باند دارند ، اما شکل تحریف شده ای را که در آن قرار دارند ، ندارند. و معمولاً تعداد نجومی اشکال ممکن برای هر دنباله وجود دارد. محققان حداقل از دهه 1970 که کریستین آنفینسن برنده جایزه نوبل شد ، نشان داد که توالی ها ساختار را تعیین می کنند.

این موفقیت می تواند به محققان در ایجاد داروهای جدید و درک بیماری ها کمک کند. در طولانی مدت ، پیش بینی ساختار پروتئین ها به طراحی پروتئین های مصنوعی ، مانند آنزیم هایی که ضایعات را هضم می کنند یا سوخت های زیستی تولید می کنند ، نیز کمک می کند. محققان همچنین در حال کشف روش هایی برای معرفی پروتئین های مصنوعی هستند که باعث افزایش عملکرد و مواد مغذی گیاهان می شود.

پیشرفت تکان دهنده

محمد آلکورایشی ، زیست شناس سیستم ها در دانشگاه کلمبیا که سیستم خود را برای پیش بینی ساختار پروتئین ایجاد کرده است ، گفت: “این پیشرفت بسیار چشمگیری است.” “این چیزی است که من فقط انتظار نداشتم به این سرعت اتفاق بیفتد. به نوعی تکان دهنده است. “

دیوید بیکر ، رئیس انستیتوی طراحی پروتئین در دانشگاه واشنگتن و سرپرست تیم Rosetta ، یک خانواده از ابزار تجزیه و تحلیل پروتئین ، گفت: “این واقعا یک معامله بزرگ است.” “این یک دستاورد شگفت انگیز است ، مانند کاری که با Go انجام دادیم.”

راه اندازی CASP در سال 1994 انگیزه ای در زمینه پیش بینی ساختارهای پروتئینی ایجاد کرد. هر دو سال ، برگزارکنندگان حدود 100 توالی اسید آمینه را برای پروتئین هایی آزاد می کنند که فرم آنها در آزمایشگاه شناسایی شده اما هنوز علنی نشده است. پس از آن ده ها تیم از سراسر جهان در تلاشند تا روش صحیحی را برای جمع آوری آنها با نرم افزار پیدا کنند. بسیاری از ابزارهای توسعه یافته برای CASP قبلاً توسط محققان پزشکی استفاده شده است. اما پیشرفت کند بوده است ، زیرا دو دهه پیشرفت تدریجی نتوانسته مستقیماً به کارهای سخت آزمایشگاهی منجر شود.

وقتی DeepMind در سال 2018 با اولین نسخه AlphaFold خود وارد مسابقه شد ، باعث شوک CASP مورد نظر شد. او هنوز نتوانست با دقت آزمایشگاه مطابقت داشته باشد ، اما سایر روشهای محاسبه را به گرد و غبار واگذار کرد. محققان متذکر شدند که بسیاری از آنها به زودی سیستم های خود را سازگار می کنند تا بیشتر شبیه AlphaFold عمل کنند.

مولت گفت ، امسال بیش از نیمی از ضبط ها از نوعی آموزش عمیق استفاده می کنند. به طور کلی ، دقت بالاتر بود. سیستم جدید بیکر ، trRosetta ، از برخی از ایده های DeepMind در سال 2018 استفاده می کند ، اما او می گوید “یک ثانیه بسیار دور” فرا رسیده است.

در CASP ، نتایج با استفاده از آنچه به عنوان آزمایش فاصله جهانی (GDT) شناخته می شود ، ارزیابی می شود ، که در مقیاس 0 تا 100 میزان نزدیک بودن ساختار پیش بینی شده به شکل واقعی پروتئین مشخص شده در آزمایشات آزمایشگاهی را ارزیابی می کند. آخرین نسخه AlphaFold امتیاز خوبی برای همه پروتئین های موجود در این چالش به دست آورد. اما او برای تقریباً دو سوم آنها نمره GDT بیش از 90 کسب کرد. John Jumper ، که تیم AlphaFold را در DeepMind هدایت می کند ، می گوید GDT او برای سخت ترین پروتئین ها 25 امتیاز بالاتر از بهترین تیم بعدی است. در سال 2018 ، امتیاز در حدود شش امتیاز بود.

[ad_2]

منبع: unbox-khabar.ir

ایندکسر