Künstliche Intelligenz sagt Protein-Strukturen voraus

[René]

https://www.welt.de/wissenschaft/articl ... sagen.html

Gruß René

[Michael H.W. Weber]

Jau, das war 2018 ja eine Sensation, beim diesjährigen CASP-Wettbewerb bestätigt sich das ganze nun und wir hatten das heute auch schon über unseren Twitter-Account gemeldet.
Es werden die Tage sicher noch ein paar Artikel dazu folgen, da werden wir dann nochmal einiges zusammen stellen.

Michael.

[Michael H.W. Weber]

Tjo, sieht fast so aus, als hätte das AlphaFold-Team auf Basis von MachineLearning das Proteinfaltungsproblem gelöst.
Kistenweise Literatur im Anmarsch...

Ein paar Auszüge:
AlphaFold selbst: https://deepmind.com/blog/article/alpha ... in-biology
Nature: https://www.nature.com/articles/d41586- ... naturenews
Science: https://www.sciencemag.org/news/2020/11 ... structures
New York Times: https://www.nytimes.com/2020/11/30/tech ... &smtyp=cur

Verbleibendes Problem: Post-translational modifizierte Proteine hat es höchstwahrscheinlich nicht im Griff. Also solche, an die nach Herstellung in der Zelle noch etwas drangeflanscht wird. Dazu muss man wissen, dass im Menschen eine Vielzahl (die Mehrheit / fast alle?) Proteine irgendwelche Modifikationen tragen. Vor allem Kohlenhydrate. Die medizinische Goldgrube ist also noch nicht gefunden, auch wenn man das in den kommenden Tagen wohl überall wird lesen können.
Trotzdem ein MEILENSTEIN der Wissenschaft.

Wer hilft mir jetzt, das Ganze auf RNA zu übertagen?

Michael.

[Stiwi]

Macht dass dann Projekte wie Folding@Home unnötig?

[Michael H.W. Weber]

Macht dass dann Projekte wie Folding@Home unnötig?

Nein. Bei MD-Simulationen werden dynamische Molekülprozesse erfasst. Die Endstruktur ist da nur einer von vielen Aspekten.
So wurden z.B. durch MD Simulationen sogenannte "kryptische Bindetaschen" in Proteinen entdeckt. Also eine vorrübergehende Proteingestalt, die eine bislang unentdeckte Bindetasche für Effektormoleküle offenbart. Mit Kristallografie und auch MachineLearning-Ansätzen (AlphaFold2) zur in silico Strukturvorhersage (ein System, dass letztlich auf Basis experimenteller Kristallstrukturen trainiert ist) hätte man diese Dinge nicht finden oder vorhersagen können.

Michael.

[Stiwi]

Macht dass dann Projekte wie Folding@Home unnötig?

Nein. Bei MD-Simulationen weren dynamische Molekülprozesse erfasst. Die Endstruktur ist da nur einer von vielen Aspekten.
So wurden z.B. durch MD Simulationen sogenannte "kryptische Bindetaschen" in Proteinen entdeckt. Also eine vorrübergehende Proteingestalt, die eine bislang unentdeckte Bindetasche für Effektormoleküle offenbart. Mit Kristallografie und auch MachineLearning-Ansätzen (AlphaFold2) zur in silico Strukturvorhersage (ein System, dass letztlich auf Basis experimenteller Kristallstrukturen trainiert ist) hätte man diese Dinge nicht finden oder vorhersagen können.

Michael.

Danke für die Erklärung

[René]

Heute aktuell gefunden:

https://www.zeit.de/news/2023-06/05/mil ... -von-viren

Gruß René

[Michael H.W. Weber]

Heute aktuell gefunden:

https://www.zeit.de/news/2023-06/05/mil ... -von-viren

Gruß René

...und wer emsig nachgeforscht hat, wird herausgefunden haben, dass dieses Projekt von Prof. Jens "FoldIt" Meiler betrieben wird.

Michael.