DeepMind发布新版AlphaFold模型,能够精准预测生物分子结构加速药物开发

Google DeepMind与Isomorphic Labs持续合作发展蛋白质预测模型AlphaFold,现在开发出更强大的新版本,覆盖范围从蛋白质扩展到所有与生物相关的分子,并能够对蛋白质资料库中几乎所有分子进行预测,且能达到原子等级的精确度。

DeepMind在2020年的时候,首次推出蛋白质预测模型AlphaFold,而这让研究人员能以全新方式理解蛋白质与其交互作用。AlphaFold是对单股蛋白质预测的突破性研究,而後的AlphaFold-Multimer,则是进一步扩展到拥有多个蛋白质链的复合物,而AlphaFold 2.3则扩展到更复杂的复合物。

之前AlphaFold也与EMBL的欧洲生物资讯研究所(EMBL-EBI)合作,透过AlphaFold蛋白质结构资料库,公开所有目前已知的蛋白质结构预测。而AlphaFold资料库也已经成为重要的科学研究资源,到目前为止已经超过190个国家140万用户进行存取,同时AlphaFold也被用於加速新型疫苗和药物的开发。

在某些与药物开发相关的蛋白质结构预测问题,最新版本的AlphaFold效能远胜2.3版本,其能够准确预测蛋白质与配体(Ligand)的绑定结构,研究人员指出,这对於药物开发非常有价值。目前生医产业主要使用对接方法(Docking Methods),来确定配体和蛋白质间的交互作用,但这类方法需要固定参考蛋白质结构,和配体绑定位置。

不过,新模型却不需要这些参考资讯,就能预测蛋白质与配体的结构,并且最终的结果也能超越目前最佳的对接方法,此外,新版本AlphaFold还可以模拟所有原子的位置,表达出蛋白质和核酸,在与其他分子交互作用时的灵活性。

由於对接方法需要假设蛋白质和配体结构在交互时维持不变,因此就无法捕捉到这些结构的动态变化,因此整体来说,新模型能够提供更为准确且全面的交互作用结构资讯。研究人员的实验也证明,新模型预测的结构,与实验所得到结构非常相近。

目前Isomorphic Labs正在利用最新的AlphaFold设计治疗性药物,藉由运用AlphaFold快速且准确地描绘出对治疗疾病重要的大分子结构。研究人员提到,该模型新增的功能,有助於加速生物医学的突破,在疾病途径(Disease Pathways)、基因体学、生物可再生材料和药物设计机制等领域,提供更深入的理解。

有梦想的阿肯老师

0 0 投票数
Article Rating
订阅评论
提醒
guest
0 Comments
内联反馈
查看所有评论
0
希望看到您的想法,请您发表评论x