T&J: Alat AI Breakthrough Microsoft membuatnya lebih mudah untuk mempelajari bagaimana protein dibangun

AI Microsoft untuk lab yang bagus Telah menciptakan SEQ2SYMM, alat AI open-source yang membantu para ilmuwan menentukan bentuk 3D protein tertentu, termasuk yang ditemukan dalam virus.

SEQ2SYMM menggunakan AI untuk memprediksi bentuk dan struktur 3D protein dari urutan satu dimensi. Alat ini dapat membantu para peneliti lebih memahami penyakit, mengembangkan obat -obatan dan vaksin, dan menciptakan bahan yang lebih berkelanjutan.

Juan Lavista FerresCVP dan Kepala Ilmuwan Data, dan Meghana Kshirsagar, Ilmuwan Penelitian Senior dan Peneliti Utama pada Proyek, duduk bersama MobiHealthNews Untuk membahas SEQ2SYMM dan bagaimana hal itu dapat memengaruhi perawatan kesehatan dan banyak lagi.

MobiHealthNews: Bisakah Anda ceritakan tentang seq2symm?

Juan Lavista Ferres: Secara umum, kita tahu bahwa protein, terutama simetri protein, sangat penting. Protein penting, dari area seperti penemuan obat hingga energi. Banyak hal yang kita lakukan sebagai organisme hidup bergantung pada protein. Jadi, memiliki pemahaman tentang protein dan desain protein ini membantu banyak peneliti, dan aspek mendasar dari itu adalah memahami simetri.

Sampai sekarang, sampai penemuan ini, ada cara untuk mencoba memprediksi simetri, tetapi tidak terlalu, seperti, Anda tidak bisa melakukannya dengan sangat cepat. Jadi, seluruh gagasan model ini … Kontribusi utamanya adalah kenyataan bahwa sekarang kita dapat melakukan aspek itu lebih cepat. Jika kami dapat melakukan itu lebih cepat, kami akan membantu para peneliti melakukan pekerjaan mereka lebih cepat. Jadi kami dapat mempercepat penemuan penelitian.

Meghana Kshirsagar: Juan benar karena kontribusi utama dari karya ini adalah pada pemahaman struktur protein, dari jenis protein tertentu, yang mengandung banyak unit berulang dan ini disebut homo-oligomer. Ini sangat penting karena mereka muncul di banyak organisme hidup. Jadi, misalnya, mereka muncul dalam virus.

Jadi, ini [see picture above]misalnya, kapsid virus. Mereka adalah struktur bola ini, yang ada di hampir semua virus. Dan apa yang dilakukan virus adalah mereka memasukkan DNA mereka di dalam struktur kapsul ini, dan ini kemudian dimasukkan ke dalam sel kita ketika virus masuk ke dalam tubuh kita. Dan kemudian ini akan pecah, dan kemudian DNA virus keluar dan berlipat ganda. Sekarang, ini terbuat dari unit berulang ini, dan inilah yang disebut homo-oligomer.

Jadi, ia memiliki 180 salinan dengan hal yang sama, mengulang dan membentuk bidang yang bagus ini, dan bagi virus berfungsi dengan baik, ini sangat integral. Ini adalah bagian yang sangat penting dari cara kerjanya.

Jika Anda melihat pandemi seperti Covid, hal pertama yang dimiliki para peneliti dari virus ini adalah apa yang disebut urutan virus, yang berarti Anda hanya memiliki informasi satu dimensi. Jadi itu semacam mengatakan, seperti, oh, saya hanya memiliki nama seseorang, misalnya, seperti deskripsi seseorang tetapi Anda tidak memiliki informasi 3D tentang mereka.

Apa yang dilakukan metode kami adalah mengambil informasi satu dimensi ini, dan dapat memprediksi informasi 3D ini. Ini dapat mengatakan bahwa itu akan membentuk sesuatu yang berbentuk ini dan memiliki banyak salinan di dalamnya.

Jadi, Anda dapat membayangkan begitu banyak situasi di mana Anda tidak memiliki informasi 3D dari molekul atau protein yang Anda minati. Anda hanya tahu informasi satu dimensi ini.

Tetapi dari itu ke 3D sangat kritis, dan apa yang kami lakukan di sini adalah kami memprediksi berapa banyak salinan dan seperti apa bentuknya. Dan ini adalah salah satu aplikasi konkret di mana metode ini dapat digunakan.

MHN: Jadi, ini adalah model prediksi.

Kshirsagar: Ya, ini adalah model prediksi.

Ferres: Kami memprediksi, dan ini adalah contoh, virus adalah contoh. Tetapi sekali lagi, ini adalah sesuatu yang, untuk segala sesuatu yang merupakan organisme hidup, tergantung pada protein. Jadi, ini memiliki aplikasi, tidak hanya untuk virus, tetapi untuk sejumlah besar masalah, dari pemahaman Alzheimer hingga menciptakan obat -obatan baru. Jadi, jenis efek dan dampak yang dimiliki hal ini luar biasa karena ketergantungan yang kita miliki dari protein pemahaman yang lebih baik.

MHN: Apakah Anda melihat area tertentu di mana ia memiliki janji terbanyak? Mungkin Cancer atau Alzheimer, seperti yang Anda sebutkan.

Kshirsagar: Jadi, tentu saja, ia memiliki aplikasi di Alzheimer dan dalam mempelajari virus. Ini adalah aplikasi terbesar dari perspektif kesehatan. Dan kemudian, tentu saja, ada sejumlah aplikasi dalam keberlanjutan dan sebagainya.

MHN: Jadi, ini bukan hanya dalam perawatan kesehatan. Ini adalah sesuatu yang dapat digunakan, seperti yang Anda katakan, dengan semua organisme hidup.

Kshirsagar: Ya.

Ferres: Tepatnya, dan ini termasuk dari materi ke … Inilah sebabnya, sekali lagi, salah satu alasan mengapa kami memutuskan untuk berinvestasi dalam pemahaman yang lebih baik tentang lipatan protein, kami telah bekerja sama dengan Baker Lab dan Gregory Bowman dan tim selama setidaknya tiga hingga empat tahun, jika tidak lebih, dan kami mendedikasikan banyak upaya di daerah ini, terutama karena dampak luar biasa yang dapat dilakukan oleh hal ini.

Ini adalah masalah yang sangat sulit, masalah yang sangat penting dan kadang -kadang bukan proyek termudah untuk kita jelaskan.

Banyak orang tidak mengerti mengapa kami begitu peduli tentang protein. Jelas, ini adalah aspek mendasar dari kehidupan dan bahan dan pada dasarnya menyentuh segalanya.

MHN: Dan Anda telah menjadikannya model open-source juga.

Ferres: Ini adalah penelitian terbuka dan juga sepenuhnya open source. Siapa pun dapat menggunakannya untuk penelitian lebih lanjut. Dampak kami adalah menyediakan alat -alat ini sehingga peneliti lain dapat memanfaatkannya. Kami berharap orang lain memiliki dampak, jadi kami memungkinkan dampak melalui ini.

Ini akan berdampak pada penyakit yang berkembang, cara menargetkan obat, dan bagaimana membantu kami merancang vaksin atau perawatan baru. Jadi, ia memiliki dampak yang luas.

Kshirsagar: Sama seperti yang dikatakan Juan, karena protein membentuk blok bangunan mendasar tidak hanya semua kehidupan di bumi tetapi juga banyak bahan, membuat dampak di ruang itu mengarah pada alat yang benar -benar luas dan bermanfaat.