谷歌人工智能AlphaFold解决蛋白质折叠问题​,将加速新食品的开发

发布者:bpadmin
发布时间:2020-12-05 13:19
分类:全部资讯 原创内容 最新动态 研究报告 观点评论
FLU_VYPR3p_growincityBANNER_468x180_0528
naturehydro banner
城农获悉——谷歌母公司Alphabet于本周宣布,其DeepMind团队已经解决了科学界在蛋白质结构预测方面长期存在的重大挑战。



1972年,科学家Christian Anfinsen预测,蛋白质的结构可以由其氨基酸序列决定。然而,要弄清楚这个序列是非常困难的,因为蛋白质有近乎无限的折叠方式。这导致美国分子生物学家Cyrus Levinthal提出假设,通常被称为“利文索尔佯谬”:如果我们唯一的方法是蛮力计算,那么计算所有已知的蛋白质构型所需的时间将比已知宇宙的年龄还要长。

值得庆幸的是,现在我们不必永远等待,因为DeepMind的DeepFold AI可以在几天内预测出蛋白质结构到原子的精度。

AlphaFold通过的测试基本上表明,人工智能可以在短短几天内以非常高的精确度,精确到一个原子的宽度,正确地计算出蛋白质的结构。这是一项非常复杂的任务,对于弄清楚如何最好地治疗疾病,以及解决其他重大问题,比如如何最好地分解有毒废物等生态危险物质,都是至关重要。

正如未来农业食品发展领域的许多人所知道的那样,人工智能正在成为加速新蛋白质和其他食品构建开发中越来越重要的工具。像Climax Foods这样的公司正在拥抱机器学习,以帮助他们开发制作食品的新方法,比如植物基奶酪。现在,随着DeepMind在蛋白质折叠预测方面的进步,我们可以预期人工智能将成为新食品开发中一个更重要的工具。

DeepMind的工作可能对食物意味着可以设计出不同质地或口感的食物蛋白质,甚至蛋白质的氨基酸含量也不同,可根据最终蛋白质产品对其构成进行设计。

例如,如果我们在细胞内设计蛋白质来制造小分子,来产生一种味道、一种香味、或是一种脂肪,我们也可以设计具有多种功能的全新的酶。因此,传统的流程可能会被浓缩,有可能简化我们生产这些产品所做的代谢工程。另外,使用DeepMind这样的技术使用资源方面也会更加高效,生态足迹也会小得多。

那怕蛋白质最终不会被消耗掉,但能够合理地设计出与产生小分子(包括脂肪、味道或香味)有关的酶,确实真的很令业界感到兴奋。比如,想想生产制作香草或藏红花需要多少精力和资源吧。通过对蛋白质结构精准预测,就能够更有效地做到这一点,提供一种生态成本较低的方式来生产这些食物原料。

很显然,就当疾病和病毒学专家们热议DeepMind的这一新里程碑对他们的工作意味着什么的时候,很明显,这也让在农业食品领域的科学家同样兴奋。

是的,确实是这样。
文章来源: 城农原创整理发布,欢迎转载,请注明出处!
免责声明:本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。来修改内容。

分享到:

更多都市农业