Udostępnienie struktur 3D niemal wszystkich ludzkich białek
jest wydarzeniem rewolucyjnym, porównywalnym
do zsekwencjonowania ludzkiego genomu albo jeszcze
ważniejszym – powiedział dr Jan Kosiński z
Europejskiego Laboratorium Biologii Molekularnej (EMBL) w Hamburgu.

Europejskie Laboratorium Biologii Molekularnej (EMBL) i firma
DeepMind ogłosiły 23 lipca 2021 r. na łamach „Nature”, że
udostępniają najbardziej kompletną bazę przewidywanych trójwymiarowych (3D)
struktur ludzkich białek – tzw. ludzkiego proteomu, na który składa się ponad 20 tys.
białek. Dane te będą swobodnie i bezpłatnie dostępne dla społeczności naukowej.
Baza została stworzona przez Europejski Instytut Bioinformatyki (Hinxton w
Wielkiej Brytanii) należący do Europejskiego Laboratorium Biologii Molekularnej
(EMBL). Firma DeepMind opracowała system komputerowy do przewidywania struktur białek.

„Podpisuję się pod opinią innych naukowców, że jest to wydarzenie tej skali,
co poznanie sekwencji genomu człowieka, jeśli nie większe. To jest rewolucja,
która zmienia sposób pracy badaczy” – ocenił w rozmowie z PAP dr Jan Kosiński z EMBL.

Jak wyjaśnił, naukowcy potrzebują informacji o strukturze 3D białek, żeby lepiej
zrozumieć mechanizm działania białek w komórkach i działanie całych komórek.
„W kontekście medycyny, znając struktury 3D białek, można projektować
leki – na przykład niektóre z cząsteczek, które zostały zaproponowane do zwalczania
koronawirusa, zostały właśnie zaprojektowane na podstawie takich struktur” – tłumaczył
dr Kosiński. Dodał, że w przypadku mutacji białek prowadzących do rozwoju raka
można lepiej zrozumieć, w jaki sposób mutacja zmienia białko – i próbować to naprawić.

„To tylko niektóre przykłady, ale jest ich znacznie więcej. To trochę tak, jakbyśmy
dali dziecku wszystkie klocki świata, aby mogło budować, co zechce. I to zupełnie
za darmo” – tłumaczył.

Genom człowieka zawiera instrukcję do budowy ponad 20 tys. białek. Jednakże tylko
dla około jednej trzeciej tych cząsteczek udało się eksperymentalnie – przy pomocy
badań krystalograficznych i mikroskopii krio-elektronowej – określić strukturę
trójwymiarową (3D). A w wielu wypadkach struktura ta została poznana tylko częściowo.

W 2020 r. możliwości przewidywania struktur 3D białek zmieniły się dzięki stworzeniu
systemu sztucznej inteligencji AlphaFold, który opracowała firma DeepMind w Londynie.
Pozwolił on przewidzieć strukturę niemal całego ludzkiego proteomu, czyli 98,5 proc.
z ponad 20 tys. ludzkich białek.

Dzięki współpracy DeepMind i EMBL baza danych ze strukturami białek będzie dostępna
w sposób otwarty i bezpłatny dla wszystkich.

„Eksperymenty mające na celu określenie trójwymiarowej struktury białka mogą
trwać wiele miesięcy, a nawet lat. Teraz wystarczy wejść na stronę bazy i ściągnąć plik.
To bardzo przyspieszy prace badawcze” – podkreślił dr Kosiński.

W bazie danych – łącznie z proteomem człowieka – znalazło się blisko 350 000 struktur
białek, w tym również białka 20 biologicznie modelowych organizmów, na których
prowadzone są niezliczone badania naukowe, takich jak m.in. bakteria Escherichia
coli, kukurydza, muszka owocowa, mysz, ryba danio, zarodziec malarii i prątki gruźlicy.

Naukowcy podkreślają, że modele białek obecnych w bazie charakteryzują się różną
dokładnością, mimo to udostępnienie ich zrewolucjonizuje badania w wielu różnych
dziedzinach nauk przyrodniczych. Do końca roku baza powiększy się do 130 mln
białek różnych organizmów.

Dr Kosiński zwrócił uwagę, że większość ludzkich białek występuje w różnych
wersjach. „Tych wszystkich wersji w bazie danych nie ma, ale jeśli naukowiec
chce uzyskać trójwymiarową strukturę danej wersji białka, może ściągnąć program
AlphaFold i ją poznać” – zaznaczył. DeepMind udostępnił bowiem ulepszoną,
najnowszą wersję tego systemu bezpłatnie. Metodologia stojąca za najnowszą,
wysoce innowacyjną wersją AlphaFold oraz jego otwarty kod źródłowy zostały
opublikowane w jednym z ostatnich numerów czasopisma „Nature”. Dzięki
temu naukowcy mogą uzyskać model trójwymiarowej struktury białka nawet
w ciągu godzin lub minut.

Jak wyjaśnił dr Kosiński, system AlphaFold używa technik, które zaprojektowano
do tłumaczenia tekstów. „Białka to łańcuchy aminokwasów, które zwijają się w
różne kształty. AlphaFold +tłumaczy+ te sekwencje aminokwasów w trójwymiarową
strukturę białka” – powiedział badacz.

Skuteczność tego programu została potwierdzona pod koniec 2020 r. w olimpiadzie
przewidywania struktur 3D białek (eksperyment CASP – Critical Assessment of
protein Structure Prediction), która odbywa się co dwa lata. Okazało się, że modele
białek wysłane przez firmę DeepMind, która stworzyła system, były dużo lepsze,
niż te uzyskane z użyciem innych metod.

AlphaFold pozwala też ocenić poziom jakości przewidywanej struktury
3D białka. „Chcemy dać naukowcom korzystającym z bazy naprawdę jasny
sygnał, na których częściach przewidywanej struktury mogą polegać” – skomentowała
dla serwisu nature.com Kathryn Tunyasuvunakool pierwsza autorka pracy
opublikowanej na łamach “Nature”, w której opisano przewidywania
struktur ludzkich białek.

W miarę identyfikowania nowych białek i zwiększenia dokładności przewidywań
ich struktury 3D baza udostępniona przez EMBL i DeepMind będzie aktualizowana.

„To będzie jeden z najważniejszych zbiorów danych od czasu mapowania
ludzkiego genomu” – skomentował zastępca dyrektora generalnego EMBL
i dyrektor EMBL-EBI Ewan Birney, cytowany w informacji prasowej przesłanej PAP.

Jego zdaniem udostępnienie struktur AlphaFold międzynarodowej społeczności
naukowej otwiera wiele nowych dróg badawczych dotyczących m.in. chorób
zaniedbanych czy nowych enzymów dla biotechnologii.

„Jest to wspaniałe, nowe narzędzie naukowe, które uzupełnia istniejące technologie
i pozwoli nam przesunąć granice naszego rozumienia świata” – ocenił Birney.

AlphaFold jest już wykorzystywany w badaniach przez różne instytucje naukowe.

Na przykład Centre for Enzyme Innovation (CEI) University of Portsmouth
(Wielka Brytania) wykorzystuje AlphaFold do opracowania szybszych enzymów
do recyklingu niektórych z tworzyw sztucznych jednorazowego użytku, które
najbardziej zanieczyszczają ziemię. Zespół z Uniwersytetu Kolorado w Boulder
wykorzystuje przewidywania AlphaFold do badania oporności bakterii na antybiotyki,
podczas gdy grupa z Uniwersytetu Kalifornijskiego w San Francisco – do lepszego
zrozumienia biologii wirusa SARS-CoV-2.
PAP/ as/