自從 DeepMind 在 2020 年結構預測關鍵評估 (CASP14) 會議上展示了該領域的顯著進展以來,科學家們已經等了幾個月才能獲得高度準確的蛋白質結構預測?,F(xiàn)在已經結束了。
西雅圖華盛頓大學醫(yī)學院蛋白質設計研究所的研究人員在很大程度上重現(xiàn)了 DeepMind 在這項重要任務上的表現(xiàn)。這些結果將于7 月 15 日星期四由《科學》雜志在線發(fā)表。
與 DeepMind 不同,UW Medicine 團隊的方法,他們稱之為 RoseTTAFold,是免費提供的。來自世界各地的科學家現(xiàn)在正在使用它來構建蛋白質模型,以加速他們自己的研究。自 7 月以來,該程序已被 140 多個獨立研究團隊從 GitHub 下載。
蛋白質由折疊成復雜微觀形狀的氨基酸串組成。這些獨特的形狀反過來又引發(fā)了生物體內幾乎所有的化學過程。通過更好地了解蛋白質形狀,科學家們可以加快開發(fā)針對癌癥、 和數(shù)千種其他健康疾病的新療法。
“在蛋白質設計研究所,這是忙碌的一年,設計 療法和疫苗并將其投入臨床試驗,同時開發(fā)用于高精度蛋白質結構預測的 RoseTTAFold。我很高興科學界已經在使用RoseTTAFold 服務器來解決突出的生物學問題,”資深作者、華盛頓大學醫(yī)學院生物化學教授、霍華德休斯醫(yī)學研究所研究員、蛋白質設計研究所所長大衛(wèi)貝克說。
在這項新研究中,由 Baker 領導的一組計算生物學家開發(fā)了 RoseTTAFold 軟件工具。它使用深度學習根據(jù)有限的信息快速準確地預測蛋白質結構。如果沒有此類軟件的幫助,可能需要數(shù)年的實驗室工作才能確定一種蛋白質的結構。
另一方面,RoseTTAFold 可以在一臺游戲計算機上在短短十分鐘內可靠地計算出蛋白質結構。
該團隊使用 RoseTTAFold 計算了數(shù)百種新的蛋白質結構,包括許多來自人類基因組的知之甚少的蛋白質。他們還生成了與人類健康直接相關的結構,包括與有問題的脂質代謝、炎癥障礙和癌細胞生長相關的蛋白質的結構。他們表明,RoseTTAFold 可用于在以前所需時間的一小部分內構建復雜生物組件的模型。
RoseTTAFold 是一個“三軌”神經網絡,這意味著它同時考慮蛋白質序列中的模式、蛋白質的氨基酸如何相互作用以及蛋白質可能的三維結構。在這種架構中,一維、二維和三維信息來回流動,從而使網絡能夠共同推理蛋白質的化學部分與其折疊結構之間的關系。
標簽: 蛋白質
免責聲明:本文由用戶上傳,如有侵權請聯(lián)系刪除!