ต่อไปคำแนะนำต่อไป
AI ในการคาดการณ์การเลิกใช้งานของลูกค้า
การใช้งาน
คู่มือแอปพลิเคชัน
AI ทำนายรูปร่าง 3 มิติของโปรตีนที่พับเข้ามาจากลำดับกรดอะมิโนของมัน ซึ่งช่วยแก้ปัญหาความท้าทายครั้งใหญ่ทางชีววิทยาที่มีอายุ 50 ปี
ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min
Because shape determines function, this accelerates drug discovery, enzyme design, and disease research.
โปรตีนคือสายโซ่ของกรดอะมิโนที่รวมตัวกันเป็นรูปร่าง 3 มิติที่ซับซ้อน และรูปร่างนั้นกำหนดสิ่งที่โปรตีนทำ การคาดการณ์รอยพับจากลำดับเพียงอย่างเดียวเคยแทบจะเป็นไปไม่ได้เลย โดยต้องใช้วิธีแล็บที่ช้าและมีราคาแพง เช่น ผลึกเอกซเรย์ ในปี 2020 AlphaFold2 ของ DeepMind สร้างความตกตะลึงให้กับวงการการแข่งขัน CASP14 โดยทำนายโครงสร้างด้วยความแม่นยำที่เกือบจะใกล้เคียงกับการทดสอบ โดยเรียนรู้จากโครงสร้างที่รู้จักนับหมื่นของ Protein Data Bank และจากรูปแบบวิวัฒนาการข้ามลำดับที่เกี่ยวข้อง ภายในปี 2022 AlphaFold ได้เปิดตัวโครงสร้างที่คาดการณ์ไว้สำหรับโปรตีนมากกว่า 200 ล้านชนิด ครอบคลุมสิ่งมีชีวิตเกือบทุกรายการ รางวัลโนเบลสาขาเคมีปี 2024 ยกย่องความก้าวหน้าครั้งนี้ ซึ่งได้เปลี่ยนวิธีที่นักชีววิทยาเข้าถึงคำถามเชิงโครงสร้างที่ก่อนหน้านี้ไม่สามารถแก้ไขได้
นักวิจัยใช้โครงสร้าง AlphaFold เพื่อเร่งการออกแบบสารยับยั้งที่อาจต้านมาลาเรียและโปรตีนจากโรคเขตร้อนที่ถูกละเลย
นักวิทยาศาสตร์ได้ออกแบบเอนไซม์ตัวใหม่ที่จะสลายพลาสติก PET โดยการทำนายและปรับโครงสร้างพับให้เหมาะสมเพื่อความเสถียร
บริษัทยาคัดกรองโครงสร้างที่คาดการณ์โดย AlphaFold เพื่อระบุกลุ่มที่อาจใช้ยาได้บนเป้าหมายของโรคที่ไม่เคยมีมาก่อน
นักพัฒนาวัคซีนสร้างแบบจำลองรูปร่าง 3 มิติของโปรตีนบนพื้นผิวของเชื้อโรคเพื่อออกแบบแอนติเจนที่กระตุ้นการตอบสนองของระบบภูมิคุ้มกันที่แข็งแกร่งขึ้น
ขอบเขตกำลังก้าวไปไกลกว่าโครงสร้างคงที่เดี่ยว ไปสู่การสร้างแบบจำลองไดนามิกของโปรตีน สารเชิงซ้อนของโปรตีนหลายชนิด และอันตรกิริยากับ DNA, RNA และยาโมเลกุลขนาดเล็ก AlphaFold3 (2024) และเครื่องมืออย่าง RoseTTAFold ทำนายการโต้ตอบดังกล่าวแล้ว แบบจำลองกำเนิดสำหรับการออกแบบโปรตีนเดอโนโวกำลังสร้างโปรตีนใหม่ทั้งหมด รวมถึงเอนไซม์และสารยึดเกาะแบบกำหนดเองที่ไม่มีอยู่ในธรรมชาติ คาดหวังการบูรณาการที่เข้มงวดยิ่งขึ้นกับระบบอัตโนมัติในห้องปฏิบัติการเปียก ปิดวงจรระหว่างการคาดการณ์ของ AI และการตรวจสอบความถูกต้องของการทดลอง
จดหมายข่าวฟรี
เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา
อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ
ทดสอบตัวเอง
ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร
สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค
AI ทำนายรูปร่าง 3 มิติของโปรตีนที่พับเข้ามาจากลำดับกรดอะมิโนของมัน ซึ่งช่วยแก้ปัญหาความท้าทายครั้งใหญ่ทางชีววิทยาที่มีอายุ 50 ปี เนื่องจากรูปร่างเป็นตัวกำหนดการทำงาน จึงช่วยเร่งการค้นพบยา การออกแบบเอนไซม์ และการวิจัยโรค
AlphaFold2 คาดการณ์โครงสร้าง 3 มิติที่พับไว้โดยเริ่มจากลำดับกรดอะมิโนหนึ่งมิติของโปรตีน บวกกับข้อมูลวิวัฒนาการจากลำดับที่เกี่ยวข้อง
รูปร่าง 3 มิติของโปรตีนเป็นตัวกำหนดการทำงานทางชีวภาพและโมเลกุลต่างๆ รวมถึงยาที่สามารถโต้ตอบกับโปรตีนได้
เมื่อกรดอะมิโนสองตัววิวัฒนาการร่วมกันระหว่างโปรตีนที่เกี่ยวข้องกัน มักจะส่งสัญญาณว่าพวกมันอยู่ใกล้กันทางกายภาพในโครงสร้างพับ ซึ่งเป็นเบาะแสสำคัญที่เครือข่ายใช้
ความแม่นยำในการทดลองใกล้เคียงของ AlphaFold2 ได้รับการแสดงให้เห็นที่ CASP14 ซึ่งเป็นการประเมินการทำนายโครงสร้างโปรตีนทุกๆ สองปี ในปี 2020
รางวัลโนเบลสาขาเคมีประจำปี 2024 ยกย่องผลงานด้านการทำนายโครงสร้างโปรตีนและการออกแบบโปรตีนด้วยคอมพิวเตอร์
เรียนรู้ต่อไป
คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้
ต่อไปคำแนะนำต่อไป
AI ในการคาดการณ์การเลิกใช้งานของลูกค้า
การใช้งาน