在AlphaFold系列的最后一部分,我们将讲述人工智能领域的研究开发人员DeepMind如何利用其AlphaFold系统在抗击COVID-19中发挥关键作用的故事。

AlphaFold是如何加入抗击COVID-19的

由DeepMInd开发的人工智能系统AlphaFold在2014年7月16日的比赛中击败了对手,震惊了世界CASP13(1)两年后,AlphaFold仍然是蛋白质结构预测领域的领导者,并面临着迄今为止最大的考验,帮助抗击夺去了250多万人生命的致命流行病(2)。

随着COVID-19在2020年春天席卷全球,科学界开始工作。流行病学家、病毒学家和结构生物学家与计算机科学家共同努力,发表了数千篇论文,并涌入了新的数据。AlphaFold团队想贡献大流行应对通过学习更多关于知名度较低的COVID-19蛋白质的结构(3)。他们希望将改善的信息了解病毒的功能,提供了一个新的研究起点建立(3)。解决病毒与COVID-19相关的蛋白质的结构这给了研究团队和制药公司一个更大的治疗选择来尝试。事实上,AlphaFold预测的结构之一后来被用于一项研究,该研究在COVID-19蛋白中寻找可能成为新药良好靶点的空洞(4)。

有希望的结果和来自同行的关键支持

通常用实验方法解决蛋白质结构的方法可能需要几个月或几年的时间。幸运的是,德克萨斯大学奥斯汀分校的一个团队能够迅速阐明臭名昭著的刺突蛋白的结构,并将他们的结果发表在2020年3月的《科学》杂志上(5),这是AlphaFold的人工智能预测刺突蛋白的比较基础;结果是准确的(3)。关于AlphaFold确定的COVID-19结构是否应该在同行评审之前和系统仍在开发期间发布存在争议;然而,弗朗西斯克里克研究所(Francis Crick Institute)令人鼓舞的成果和领导的支持鼓励DeepMind团队将结构免费提供给公众(6)。

学习不足但并非微不足道

AlphaFold比其他计算结构预测器更强大的一个原因是,它不需要具有类似形状的模板蛋白质(3)。使用这种所谓的“自由建模”方法,AlphaFold采用了未被研究的COVID-19蛋白质的结构,这些蛋白质缺乏可用的模板结构。他们很快预测结构六COVID-19蛋白(SARS-CoV-2膜蛋白、Nsp2 Nsp4、Nsp6 Papain-like蛋白酶(C终端域),和ORF3a)和2020年3月发布了第一个结果(3)。信心分数增加蛋白质的不同区域显示系统,是最有可能是正确的。自从首次释放后,ORF3a的结构被加州大学伯克利分校的一个团队通过实验解决了(7),而Nsp6的结构已被用于寻找有前途的候选药物的研究(3,7)。2020年8月,AlphaFold最新版本对蛋白质结构进行了更新(7,3)。

战斗还在继续…

这一经验的一个关键收获是,人工智能系统能够在不使用预先确定的模板的情况下对蛋白质结构做出准确的结论(3)。这为分子生物科学和蛋白质工程开辟了一个新的前沿。作为抗击疫情承诺的一部分,DeepMind正在其网站上更新和发布新的结构。AlphaFold证明了自己抗击COVID-19的勇气,并继续发挥重要作用,鼓励人们更全面地了解COVID-19病毒。

参考文献

  1. Senior, a.w., Evans, R., Jumper, J.等。利用深度学习的潜力改进蛋白质结构预测。自然577,706-710(2020)。https://doi.org/10.1038/s41586-019-1923-7
  2. 绘制全球冠状病毒爆发图。彭博com。(2021).从检索https://www.bloomberg.com/graphics/2020-coronavirus-cases-world-map/
  3. 等。与COVID-19相关的蛋白质结构的计算预测,版本3。DeepMind网站(2020)。从检索https://deepmind.com/research/open-source/computational-predictions-of-protein-structures-associated-with-COVID-19
  4. Gervasoni, S., Vistoli, G., Talarico, C.等。结合Pocket 2.0中实现的Pocket和对接搜索,全面绘制SARS-CoV-2治疗相关蛋白的可药物空洞。Int。中国科学(d辑:地球科学),31(4):514 - 518。https://doi.org/10.3390/ijms21145152
  5. 王志强,王志强,王志强,等。2019-nCoV峰在预融合构象中的Cryo-EM结构科学367,1260-1263(2020)。https://doi.org/10.1126/science.abb2507
  6. 克里克的科学家支持DeepMind提供COVID-19数据的努力。弗朗西斯克里克研究所。(2020)。从检索https://www.crick.ac.uk/news/2020-03-05_crick-scientists-support-deepminds-effort-to-make-covid-19-data-available
  7. Kern, D. M., Sorum, B., Hoel, C. M.等。脂质纳米盘中sars - cov - 23a离子通道的Cryo-EM结构bioRxiv。(2020).https://doi.org/10.1101/2020.06.17.156554
  8. Pandey, P., Prasad, K., Prakash, A., Kumar, V.,深入了解右美沙芬和氟哌啶醇对SARS-CoV-2 NSP6的偏活性:在硅结合机制分析。中国生物医学工程学报。https://doi.org/10.1007/s00109-020-01980-1