Google DeepMind與Isomorphic Labs持續合作發展蛋白質預測模型AlphaFold,現在開發出更強大的新版本,覆蓋範圍從蛋白質擴展到所有與生物相關的分子,並能夠對蛋白質資料庫中幾乎所有分子進行預測,且能達到原子等級的精確度。
DeepMind在2020年的時候,首次推出蛋白質預測模型AlphaFold,而這讓研究人員能以全新方式理解蛋白質與其交互作用。AlphaFold是對單股蛋白質預測的突破性研究,而後的AlphaFold-Multimer,則是進一步擴展到擁有多個蛋白質鏈的複合物,而AlphaFold 2.3則擴展到更複雜的複合物。
之前AlphaFold也與EMBL的歐洲生物資訊研究所(EMBL-EBI)合作,透過AlphaFold蛋白質結構資料庫,公開所有目前已知的蛋白質結構預測。而AlphaFold資料庫也已經成為重要的科學研究資源,到目前為止已經超過190個國家140萬用戶進行存取,同時AlphaFold也被用於加速新型疫苗和藥物的開發。
在某些與藥物開發相關的蛋白質結構預測問題,最新版本的AlphaFold效能遠勝2.3版本,其能夠準確預測蛋白質與配體(Ligand)的綁定結構,研究人員指出,這對於藥物開發非常有價值。目前生醫產業主要使用對接方法(Docking Methods),來確定配體和蛋白質間的交互作用,但這類方法需要固定參考蛋白質結構,和配體綁定位置。
不過,新模型卻不需要這些參考資訊,就能預測蛋白質與配體的結構,並且最終的結果也能超越目前最佳的對接方法,此外,新版本AlphaFold還可以模擬所有原子的位置,表達出蛋白質和核酸,在與其他分子交互作用時的靈活性。
由於對接方法需要假設蛋白質和配體結構在交互時維持不變,因此就無法捕捉到這些結構的動態變化,因此整體來說,新模型能夠提供更為準確且全面的交互作用結構資訊。研究人員的實驗也證明,新模型預測的結構,與實驗所得到結構非常相近。
目前Isomorphic Labs正在利用最新的AlphaFold設計治療性藥物,藉由運用AlphaFold快速且準確地描繪出對治療疾病重要的大分子結構。研究人員提到,該模型新增的功能,有助於加速生物醫學的突破,在疾病途徑(Disease Pathways)、基因體學、生物可再生材料和藥物設計機制等領域,提供更深入的理解。
熱門新聞
2024-12-08
2024-12-10
2024-12-10
2024-12-10
2024-11-29
2024-12-10