В июле 2022 года мы опубликовали прогнозы структуры белков AlphaFold почти для всех известных науке каталогизированных белков. Прочтите последний блог здесь.

Сегодня я невероятно горд и рад сообщить, что DeepMind вносит значительный вклад в понимание биологии человечеством.

Когда мы анонсирован AlphaFold 2 В декабре прошлого года его провозгласили решением 50-летней проблемы сворачивания белка. На прошлой неделе мы опубликовали научная бумага и исходный код объясняя, как мы создали эту весьма инновационную систему, и сегодня мы делимся качественные прогнозы для формы каждого белка в организме человека, а также для белков еще 20 организмов, на которые учёные полагаются в своих исследованиях.

По мере того, как исследователи ищут лекарства от болезней и ищут решения других серьезных проблем, стоящих перед человечеством, включая устойчивость к антибиотикам, загрязнение микропластиком и изменение климата, они выиграют от свежего понимания структуры белков. Белки подобны крошечным изысканным биологическим машинам. Точно так же, как структура машины говорит вам, что она делает, структура белка помогает нам понять его функцию. Сегодня мы делимся кладезь информации это удваивается понимание человечеством человеческого протеомаи выявляет белковые структуры, обнаруженные в 20 других биологически значимых организмах, от кишечной палочки до дрожжей и от плодовой мухи до мыши.

Мы считаем, что это мощный инструмент, поддерживающий усилия исследователей, и мы считаем, что это наиболее значительный вклад, который ИИ внес в развитие научных знаний на сегодняшний день, и отличный пример пользы, которую ИИ может принести человечеству. Эти открытия послужат основой для многих интересных будущих достижений в нашем понимании биологии и медицины. Благодаря пяти годам неустанной работы и изобретательности команды AlphaFold, а также тесному сотрудничеству в течение последних нескольких месяцев с нашими партнерами в Европейский институт биоинформатики EMBL (EMBL-EBI)мы можем поделиться этим огромным и ценным ресурсом со всем миром.

Эта последняя работа основана на объявления мы сделали в декабре прошлого года, на конференции CASP14, когда DeepMind представила радикально новую версию нашей системы AlphaFold, которую организаторы оценки признали решением грандиозной задачи 50-летней давности — понять трехмерную структуру белков. Экспериментальное определение структуры белка — трудоемкое и кропотливое занятие, но AlphaFold продемонстрировала, что ИИ может точно предсказать форму белка в масштабе и за считанные минуты, вплоть до атомарной точности. В КАСПмы пообещали поделиться нашими методами и предоставить широкий доступ к этому массиву знаний.

В этом месяце мы завершили огромную работу по выполнению этого обязательства. Мы опубликовали две рецензируемые статьи в Природа (1,2) и код AlphaFold с открытым исходным кодом. Сегодня в партнерстве с ЭМБЛ-ЭБИмы невероятно гордимся тем, что запускаем База данных структуры белков AlphaFoldкоторый предлагает наиболее полную и точную картину человеческого протеома на сегодняшний день, более чем вдвое увеличивая накопленные человечеством знания о высокоточных белковых структурах человека.

В дополнение к протеому человека (все ~20 000 белков, экспрессируемых геномом человека), мы предоставляем открытый доступ к протеомам человека. 20 других биологически значимых организмов, всего более 350 000 белковых структур. Исследования этих организмов стали предметом бесчисленных научных работ и многочисленных крупных прорывов и привели к более глубокому пониманию самой жизни. В ближайшие месяцы мы планируем значительно расширить охват почти каждому секвенированному белку, известному науке – более 100 миллионов структур, охватывающих большую часть Справочная база данных UniProt. Это настоящий белковый альманах мира. Система и база данных будут периодически обновляться, поскольку мы продолжаем инвестировать в будущие улучшения AlphaFold.

Самое интересное, что этот новый белковый альманах, оказавшись в руках учёных всего мира, позволит и ускорит исследования, которые улучшат наше понимание этих строительных блоков жизни. Благодаря нашему раннему сотрудничеству мы уже увидели многообещающие сигналы от исследователей, использующих AlphaFold в своей работе. Например, Инициатива «Лекарства от забытых болезней» (ДНДи) продвинулись в своих исследованиях в области жизненно важных лекарств болезней, которые непропорционально поражают беднейшие части мира, и Центр инноваций в области ферментов в Портсмутском университете (CEI) использует AlphaFold, чтобы разработать более быстрые ферменты для переработки некоторых из наиболее загрязняющих окружающую среду одноразовых пластиков. Для тех учёных, которые полагаются на экспериментальное определение структуры белка, предсказания AlphaFold помогли ускорить их исследования. Другой пример: команда компании Университет Колорадо в Боулдере находит перспективным использование прогнозов AlphaFold для изучения устойчивости к антибиотикам, в то время как группа из Калифорнийский университет Сан-Франциско использовал их для улучшить понимание биологии SARS-CoV-2. И это только начало того, что, как мы надеемся, станет революцией в структурной биоинформатике. Благодаря появлению AlphaFold в мире появилась сокровищница данных, ожидающих преобразования в будущие достижения.

Для команды AlphaFold в DeepMind эта работа представляет собой кульминацию пяти лет огромных усилий, включая необходимость творческого преодоления множества сложных неудач, что привело к множеству новых сложных алгоритмических инноваций, которые были необходимы для окончательного решения проблемы. Он основан на открытиях поколений ученых, от первых пионеров визуализации белков и кристаллографии до тысяч специалистов по предсказаниям и структурных биологов, которые с тех пор годами экспериментировали с белками. Мы мечтаем, чтобы AlphaFold, предоставив это фундаментальное понимание, поможет бесчисленному количеству ученых в их работе и откроет совершенно новые возможности для научных открытий.

В DeepMind наш тезис всегда заключался в том, что искусственный интеллект может значительно ускорить прорывы во многих областях науки и, в свою очередь, продвинуть человечество. Мы построили АльфаФолд и База данных структуры белков AlphaFold поддерживать и повышать эффективность усилий ученых всего мира в той важной работе, которую они выполняют. Мы считаем, что ИИ способен произвести революцию в том, как ведется наука в 21 веке, и с нетерпением ждем открытий, которые AlphaFold может помочь научному сообществу сделать в следующий раз.

Чтобы узнать больше, зайдите на сайт Nature и прочтите наши рецензируемые статьи, описывающие наши полный методи человеческий протеом. Подробнее о них вы можете прочитать в нашем технический блог. Если вы хотите изучить нашу систему, вот открытый исходный код для AlphaFold и Блокнот Колаб для запуска отдельных последовательностей. Чтобы изучить наши структуры, EMBL-EBI, мировой лидер в области биологических данных, размещает их в база данных с возможностью поиска это открыто и бесплатно для всех.

Нам бы хотелось услышать ваши отзывы и понять, чем AlphaFold помог вам в ваших исследованиях. Поделитесь своими историями по адресу Alphafold@deepmind.com.