noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

it house informó el 6 de septiembre que google publicó una publicación de blog ayer (5 de septiembre), mostrando su último modelo alphaproteo ai, que diseña principalmente proteínas que pueden unirse con éxito a moléculas objetivo, promoviendo así el diseño de fármacos, la comprensión de enfermedades, etc. desarrollo.

introducción a los antecedentes

desde el crecimiento celular hasta las respuestas inmunitarias, cada proceso biológico del cuerpo humano depende de las interacciones de moléculas de proteínas. como una llave que abre una cerradura, una proteína puede unirse a otra proteína para ayudar a regular procesos celulares clave.

desafíos existentes

las herramientas de predicción de la estructura de las proteínas, como alphafold, pueden ayudar a los científicos a obtener una comprensión más profunda de cómo interactúan las proteínas para realizar sus funciones, pero estas herramientas no pueden crear nuevas proteínas para manipular directamente estas interacciones.

introducción a alphaproteo

con este fin, google lanzó alphaproteo, su primer sistema de inteligencia artificial para diseñar nuevos ligantes de proteínas de alta resistencia, que pueden servir como piedra angular de la investigación biológica y sanitaria. esta tecnología tiene el potencial de acelerar la comprensión humana de los procesos biológicos, ayudar a descubrir nuevos fármacos, desarrollar biosensores y más.

citando un comunicado de prensa, it house informó que alphaproteo puede generar nuevos aglutinantes de proteínas para una variedad de proteínas objetivo, incluido el factor de crecimiento endotelial vascular a (vegf-a), que está relacionado con las complicaciones del cáncer y la diabetes. una herramienta de inteligencia artificial ha diseñado con éxito un aglutinante de proteínas del factor de crecimiento endotelial vascular a.

el gráfico de barras muestra la tasa de éxito experimental in vitro de alphaproteo para siete proteínas objetivo en comparación con otros métodos de diseño. una tasa de éxito más alta significa que se deben probar menos diseños para encontrar una combinación exitosa.

para probar alphaproteo, google diseñó una combinación de múltiples proteínas objetivo, incluidas dos proteínas virales involucradas en la infección, bhrf1 y el dominio de unión al receptor de la proteína de pico del sars-cov-2 sc2rbd, así como cinco involucradas en el cáncer, la inflamación y la autoinmunidad. proteínas patológicas il-7rɑ, pd-l1, trka, il-17a y vegf-a.