![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
paroh posting in ![[community profile]](https://www.dreamwidth.org/img/silk/identity/community.png){kind=small}
ru_crunching8 декабря 2020 г, Грег Боуман
SARS-CoV-2 Визуализация
Изображение адаптировано из визуализации SARS-CoV-2, изначально созданной Nvidia с использованием наборов данных Folding@home.
Короче говоря, не читая: AlphaFold от DeepMind знаменует собой огромный шаг вперед в нашей способности предсказывать доминирующую структуру белка. Как белки попадают туда, и многие другие проблемы, связанные с укладкой белков, остаются нерешенными. Синергия между AlphaFold и Folding@home может способствовать большему прогрессу.
DeepMind недавно заявила, что они решили проблему сворачивания белков с помощью своего алгоритма AlphaFold. Они добились огромного прогресса, но решение проблемы сворачивания белка немного похоже на спасение мира. Многие пытались, некоторые сделали большие шаги вперед. Тем не менее, сворачивание белков не будет решено больше, чем мир останется спасенным.
Для предистории, белки - это молекулярные машины, отвечающие за многие активные процессы, которые мы связываем с жизнью, от сокращения мышц до восприятия света и переваривания пищи. Белок состоит из цепочки химических веществ, называемых аминокислотами, и многие из них «складываются» в определенную трехмерную структуру, позволяющую им выполнять свою функцию.
Сворачивание белков - огромная проблема со многими составляющими. Одна из важных составляющих - это проблема предсказания структуры: предсказание доминирующей структуры белка по его последовательности (список частей, если хотите). Другой аспект - проблема механизма сворачивания: как белок попадает в эту сложенную структуру? Есть также множество связанных проблем, например, какие движущиеся части имеют свернутые белки? Как эта динамика позволяет белкам передавать информацию и грузы? Как мы можем разработать лекарства, чтобы выключить (или включить) белки? Как мы можем создать белки для выполнения новых функций?
Многие люди утверждали, что они решили проблему сворачивания белков. Один из моих коллег однажды красиво рассказал об открытии, которое они сделали. После выступления другой коллега пошутил: «Поздравляю, вы решили проблему сворачивания белка! Но вам еще предстоит пройти долгий путь (указывая на еще одного коллегу), этот парень решил ее как минимум три раза».
Алгоритм DeepMind AlphaFold сделал шаг вперед в решении проблемы предсказания структуры белка. Я не буду вдаваться в технические подробности, а просто поздравлю команду с большим шагом вперед.
При этом AlphaFold не объясняет, как белки сворачиваются, что является еще одной важной частью проблемы сворачивания белков. Он также не решает множество других проблем, которые тесно связаны, если не являются частью, проблемы сворачивания белка.
Первоначально Folding@home фокусировался на понимании того, как белки складываются в свои доминирующие структуры. С тех пор проект расширился, чтобы охватить множество связанных проблем, поскольку все эти явления обусловлены одними и теми же основными физическими принципами.
Общая идея Folding@home заключается в том, чтобы использовать возможности компьютеров со всего мира для моделирования динамики белков. Каждая симуляция похожа на исследователя. Отправляя тысячи исследователей в разные стороны, мы можем решать проблемы, которые невозможно решить на одном компьютере.
Биомедицинские применения Folding@home довольно широки и включают болезнь Альцгеймера, рак и инфекционные заболевания. Например, в настоящее время мы уделяем много внимания пониманию вируса SARS-CoV-2, ответственного за пандемию COVID-19. Мы также активно участвуем в разработке новых антивирусных препаратов через COVID Moonshot.
Хотя AlphaFold не решила проблему сворачивания белков, это должна быть эффективная технология. Например, мы могли бы использовать его для предсказания доминирующих структур белков, структуры которых не были определены экспериментально. Затем мы могли бы начать моделирование в Folding@home с этих структур, чтобы понять, как работают белки, следуя тем же процедурам, которые мы сейчас используем для изучения белков, структуры которых были определены экспериментально.
Результатом всего этого является то, что нам (сообществу белковых ученых в целом и Folding@home в частности) предстоит еще много работы! Вы можете помочь, загрузив/установив Folding@home.
на англ.
SARS-CoV-2 Визуализация
Изображение адаптировано из визуализации SARS-CoV-2, изначально созданной Nvidia с использованием наборов данных Folding@home.
Короче говоря, не читая: AlphaFold от DeepMind знаменует собой огромный шаг вперед в нашей способности предсказывать доминирующую структуру белка. Как белки попадают туда, и многие другие проблемы, связанные с укладкой белков, остаются нерешенными. Синергия между AlphaFold и Folding@home может способствовать большему прогрессу.
DeepMind недавно заявила, что они решили проблему сворачивания белков с помощью своего алгоритма AlphaFold. Они добились огромного прогресса, но решение проблемы сворачивания белка немного похоже на спасение мира. Многие пытались, некоторые сделали большие шаги вперед. Тем не менее, сворачивание белков не будет решено больше, чем мир останется спасенным.
Для предистории, белки - это молекулярные машины, отвечающие за многие активные процессы, которые мы связываем с жизнью, от сокращения мышц до восприятия света и переваривания пищи. Белок состоит из цепочки химических веществ, называемых аминокислотами, и многие из них «складываются» в определенную трехмерную структуру, позволяющую им выполнять свою функцию.
Сворачивание белков - огромная проблема со многими составляющими. Одна из важных составляющих - это проблема предсказания структуры: предсказание доминирующей структуры белка по его последовательности (список частей, если хотите). Другой аспект - проблема механизма сворачивания: как белок попадает в эту сложенную структуру? Есть также множество связанных проблем, например, какие движущиеся части имеют свернутые белки? Как эта динамика позволяет белкам передавать информацию и грузы? Как мы можем разработать лекарства, чтобы выключить (или включить) белки? Как мы можем создать белки для выполнения новых функций?
Многие люди утверждали, что они решили проблему сворачивания белков. Один из моих коллег однажды красиво рассказал об открытии, которое они сделали. После выступления другой коллега пошутил: «Поздравляю, вы решили проблему сворачивания белка! Но вам еще предстоит пройти долгий путь (указывая на еще одного коллегу), этот парень решил ее как минимум три раза».
Алгоритм DeepMind AlphaFold сделал шаг вперед в решении проблемы предсказания структуры белка. Я не буду вдаваться в технические подробности, а просто поздравлю команду с большим шагом вперед.
При этом AlphaFold не объясняет, как белки сворачиваются, что является еще одной важной частью проблемы сворачивания белков. Он также не решает множество других проблем, которые тесно связаны, если не являются частью, проблемы сворачивания белка.
Первоначально Folding@home фокусировался на понимании того, как белки складываются в свои доминирующие структуры. С тех пор проект расширился, чтобы охватить множество связанных проблем, поскольку все эти явления обусловлены одними и теми же основными физическими принципами.
Общая идея Folding@home заключается в том, чтобы использовать возможности компьютеров со всего мира для моделирования динамики белков. Каждая симуляция похожа на исследователя. Отправляя тысячи исследователей в разные стороны, мы можем решать проблемы, которые невозможно решить на одном компьютере.
Биомедицинские применения Folding@home довольно широки и включают болезнь Альцгеймера, рак и инфекционные заболевания. Например, в настоящее время мы уделяем много внимания пониманию вируса SARS-CoV-2, ответственного за пандемию COVID-19. Мы также активно участвуем в разработке новых антивирусных препаратов через COVID Moonshot.
Хотя AlphaFold не решила проблему сворачивания белков, это должна быть эффективная технология. Например, мы могли бы использовать его для предсказания доминирующих структур белков, структуры которых не были определены экспериментально. Затем мы могли бы начать моделирование в Folding@home с этих структур, чтобы понять, как работают белки, следуя тем же процедурам, которые мы сейчас используем для изучения белков, структуры которых были определены экспериментально.
Результатом всего этого является то, что нам (сообществу белковых ученых в целом и Folding@home в частности) предстоит еще много работы! Вы можете помочь, загрузив/установив Folding@home.
на англ.
