Der Zweck der Proteinfaltung der KI-Technologie: Die Schaffung des Herzens der Moleküle zur Entwicklung intelligenter Biowissenschaften

KI treibt die intelligenten Biowissenschaften im großen Stil voran und erweitert den Zweck der Proteinfaltung. Professor JinboXu, Gründer und Chefwissenschaftler von MoleculeMind, hielt einen Vortrag über den Zukunftstrend intelligenter Biowissenschaften und den Zweck der Proteinfaltung mit Professor Gao Wen, Akademiker der Chinesischen Akademie der Ingenieurwissenschaften und Direktor des Pengcheng Laboratory, und Professor Xiaoliang Xie, Direktor des Future Forum und Li Zhaoge Chair Professor der Peking University.

Laut Prof. Jinbo Xu werden KI-gesteuerte intelligente Biowissenschaften im nächsten Jahrzehnt enorme Entwicklungschancen haben. Auf der einen Seite hat sich KI als von großem Wert für die Vorhersage von Proteinstrukturen erwiesen, und der Zweck der Proteinfaltung, der Vorhersage großer Moleküle, der Optimierung und des Designs wird für die Behandlung von Krankheiten und die Förderung des sozialen Produktionsfortschritts erheblich verbessert. Andererseits wird KI auch zur Vorhersage des Zusammenhangs zwischen Genvarianten und Krankheiten eingesetzt, um die Lebensqualität des Menschen zu verbessern.

Prof. Jinbo Xu ist ein führender Computerbiologe auf dem Gebiet des KI-Proteins, und er arbeitet seit mehr als 20 Jahren auf dem Gebiet des Proteins und ist in der Branche als "Begründer der KI-Proteinfaltungstechnologie" bekannt. Im Jahr 2021 wurde es von zwei der weltweit führenden Fachzeitschriften für Wissenschaftler, Science und Nature, als einer der Top 10 wissenschaftlichen Durchbrüche des Jahres aufgeführt, und MIT Technology Review hat es auch in die "Top 10 Breakthrough Technologies of 2022" aufgenommen. Die MIT Technology Review hat es auch in seine Liste der "Top 10 Breakthrough Technologies of 2022" aufgenommen.

Die Quelle dieser großen Durchbrüche ist ein Forschungsprojekt von Professor Jinbo Xu aus dem Jahr 2016 - die RaptorX-Contact-Methode. Er zeigte zum ersten Mal weltweit, dass Deep-Learning-Methoden die Genauigkeit der Proteinstrukturvorhersage dramatisch verbessern können, wobei 90% der Proteinform korrekt vorhergesagt werden und sogar 50-60% der hochauflösenden Vorhersage möglich sind. Dies hat zu einer Verschiebung des Forschungsparadigmas in der Molekularbiologie von sequenzbasierter Forschung zu strukturbasierter Forschung geführt, was wiederum die strukturbasierte Wirkstoffforschung und -entwicklung erleichtert und die Effizienz des Proteindesigns von Grund auf verbessert hat.

Im Jahr 2020 gelang dem von Google-Unternehmen DeepMind entwickelten Algorithmus AlphaFold2 ein Durchbruch in der Proteinstrukturvorhersage, die ebenfalls auf diesem Ansatz basiert.

Xu Jinbo glaubt, dass KI weiterhin große Hilfe für die Biowissenschaften sein wird. Auf der einen Seite sind die Biowissenschaften in die "Big-Data-Phase" eingetreten, können die riesigen Datenmengen erzeugen, die von der KI benötigt werden, auf der anderen Seite sind die Biowissenschaften sehr komplex, es ist schwierig, einfache Theorien oder mathematische Formeln zu verwenden, um das Phänomen des Lebens zu beschreiben. KI ist gut darin, die komplexe Beziehung zwischen verschiedenen Variablen zu beschreiben.

Da die Kombination von KI mit Proteinstruktur- und Funktionsvorhersage und -design und der Zweck der Proteinfaltung immer tiefer wird, öffnet sich allmählich der Anwendungsraum in verwandten Branchen. Zum Beispiel kann die Vorhersage der Proteinstruktur und -funktion durch KI den Menschen helfen, die Pathogenese vieler hartnäckiger Krankheiten, einschließlich Krebs und genetischer Krankheiten, zu verstehen und genauere Behandlungspfade zu finden.Gleichzeitig kann die Proteinoptimierung durch KI auch die Effizienz der Forschung und Entwicklung von großmolekularen Arzneimitteln erheblich verbessern und die Kosten senken, und großmolekulare Arzneimittel sind im Allgemeinen wirksamer als chemische Arzneimittel und weniger toxische Nebenwirkungen. und in den letzten Jahren In den letzten Jahren haben großmolekulare Medikamente immer mehr Aufmerksamkeit von der medizinischen Industrie erhalten, da sie im Allgemeinen wirksamer und weniger toxisch sind als chemische Medikamente. Neben der medizinischen Industrie können Proteine als Biokatalysatoren wie Enzyme und Hormone verwendet werden und haben eine breite Palette von Anwendungen in der Lebensmittel-, Chemie-, Energie-, Umwelttechnik und anderen Bereichen, so dass die Vorstellungskraft des KI-Proteindesigns in diesen Bereichen ebenfalls riesig ist.

Die Integration von "Industrie-Wissenschaft-Forschung-Anwendung" ist auch der Weg der intelligenten Life-Science-Entwicklung, den Prof. Jinbo Xu vorantreibt. Vor kurzem kündigte er die Gründung der KI-Proteindesignplattform "MoleculeMind" an und stellte ein professionelles Team mit den weltweit führenden Experten für Computerbiologie in China auf und kooperierte mit nationalen Lifescience-Laboratorien, um wissenschaftliche Forschung und industrielle Anwendungen für die Vorhersage und das Design von KI-Proteinen durchzuführen. Molecular Heart hat auch MoleculeOS auf den Markt gebracht, eine KI-Plattform zur Optimierung und Entwicklung von Makromolekülen mit unabhängigen Rechten an geistigem Eigentum, die einen datengesteuerten Deep-Learning-Ansatz verwendet, um Branchenexperten dabei zu helfen, schnell die am besten geeigneten Proteine zu identifizieren und zu generieren und Laborforschungsergebnisse schnell auf industrielle Anwendungen in großem Maßstab zu projizieren. Es kann für die Erforschung und das Design von Peptiden, Antikörpern, Enzymen und kleinen Proteinen verwendet werden, wodurch die Entwicklung großmolekularer innovativer Medikamente vorhersagbar und programmierbar wird und die Effizienz des gesamten Arzneimittelentwicklungsprozesses verbessert wird, und es kann auch flexibel und umfassend auf die Optimierung und Gestaltung von Proteinen in Chemie, Materialien, Industrie und Landwirtschaft angewendet werden.