Il prossimoProssima guida
L'intelligenza artificiale nella progettazione e ottimizzazione delle batterie
Applicazioni
GUIDA alle applicazioni
I metodi di intelligenza artificiale possono prevedere le strutture proteiche, proporre dorsali e aiutare a selezionare le sequenze.
Ascolta questa guidaNarrato dall'IA · ~2 min
Questi sono strumenti di ricerca: la struttura prevista o la sequenza progettata da sole non stabiliscono la funzione biologica, l’effetto terapeutico, la sicurezza o la preparazione clinica.
AlphaFold prevede le strutture proteiche dalla sequenza, mentre metodi come RFdiffusion propongono backbone proteici e ProteinMPNN predice sequenze compatibili con una backbone target. I citati studi RFdiffusion e ProteinMPNN riportano particolari valutazioni computazionali e di laboratorio; i loro risultati non stabiliscono che qualsiasi candidato generato sia funzionale o adatto come medicinale. Le anse CDR dell'anticorpo contribuiscono al legame dell'antigene, ma il successo del legame, della specificità, della sviluppabilità e della sicurezza richiedono una valutazione sperimentale. La descrizione dello sviluppatore di AlphaFold 3 include la modellazione delle interazioni che coinvolgono proteine, DNA, RNA, piccole molecole, ioni e residui modificati; le previsioni rimangono ipotesi di ricerca. Per un biologico terapeutico destinato all'uso umano e alla commercializzazione negli Stati Uniti, la FDA descrive lo sviluppo preclinico e clinico e la revisione di marketing applicabile; le proteine terapeutiche ricombinanti possono richiedere una domanda di licenza per prodotti biologici. Questo percorso non si applica a tutte le proteine di ricerca o alle strutture non terapeutiche. AlphaFold-Multimer è una variante del modello separata sviluppata per prevedere le strutture di più catene proteiche interagenti; tali previsioni sono ipotesi che richiedono una valutazione sperimentale. Il documento principale associato riporta una migliore previsione dell'interfaccia nelle impostazioni valutate.
La pubblicazione di AlphaFold del 2020 descrive la previsione della struttura proteica dalla sequenza di amminoacidi.
Il documento di RFdiffusion valuta le strutture proteiche progettate computazionalmente e le convalide sperimentali selezionate.
ProteinMPNN prevede sequenze per le strutture della spina dorsale bersaglio negli esperimenti di progettazione riportati.
Esempio: i ricercatori possono testare sperimentalmente i cicli di anticorpi candidati; nessun metodo di progettazione garantisce prestazioni vincolanti o terapeutiche.
Un'utile direzione di ricerca è misurare il modo in cui il successo della progettazione computazionale si trasferisce ai test di espressione, stabilità, legame e funzionalità. Lo sviluppo terapeutico richiede prove specifiche del prodotto e il percorso normativo applicabile; non dedurre un beneficio clinico dal risultato di una progettazione computazionale.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
I metodi di intelligenza artificiale possono prevedere le strutture proteiche, proporre dorsali e aiutare a selezionare le sequenze. Questi sono strumenti di ricerca: la struttura prevista o la sequenza progettata da sole non stabiliscono la funzione biologica, l’effetto terapeutico, la sicurezza o la preparazione clinica.
AlphaFold ha compiuto un passo avanti nel prevedere la struttura 3D di una proteina dalla sua sequenza di aminoacidi.
RFdiffusion utilizza un modello di diffusione per progettare dorsali proteiche completamente nuove, spesso condizionate da un bersaglio legante.
ProteinMPNN è un modello di ripiegamento inverso: prevede sequenze candidate per una struttura portante specifica. Una previsione non garantisce che una sequenza si ripiegherà o funzionerà sperimentalmente.
L’intelligenza artificiale aiuta a progettare le regioni che determinano la complementarità (CDR), i circuiti che si agganciano a un antigene bersaglio.
La struttura delle proteine è correlata alla funzione, ma le previsioni sulla struttura e le ipotesi di progettazione non sostituiscono i test biochimici o funzionali.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L'intelligenza artificiale nella progettazione e ottimizzazione delle batterie
Applicazioni