The two organisations hope the expanded database will continue to increase our understanding of biology, aiding countless more scientists in their work as they look to tackle global challenges.<\/p>\n\n\n\n
The database is being expanded by approximately 200 times, from nearly 1 million protein structures to over 200 million, covering almost every organism on Earth that has had its genome sequenced. The expansion of the database includes predicted structures for a wide range of species, including plants, bacteria, animals, and other organisms, opening up new avenues of research across the life sciences that will have an impact on global challenges, including sustainability, food insecurity, and neglected diseases.<\/p>\n\n\n\n
Now, almost every protein sequence on the UniProt<\/a> protein database will come with a predicted structure. This release will also open up new research avenues, such as supporting bioinformatics and computational work by allowing researchers to potentially spot patterns and trends in the database.<\/p>\n\n\n\n \u201cAlphaFold now offers a 3D view of the protein universe,\u201d said Edith Heard, Director General of EMBL. \u201cThe popularity and growth of the AlphaFold Database is testament to the success of the collaboration between DeepMind and EMBL. It shows us a glimpse of the power of multidisciplinary science.\u201d<\/p>\n\n\n\n \u201cWe\u2019ve been amazed by the rate at which AlphaFold has already become an essential tool for hundreds of thousands of scientists in labs and universities across the world,\u201d said Demis Hassabis, Founder and CEO of DeepMind. \u201cFrom fighting disease to tackling plastic pollution, AlphaFold has already enabled incredible impact on some of our biggest global challenges. Our hope is that this expanded database will aid countless more scientists in their important work and open up completely new avenues of scientific discovery.\u201d <\/p>\n\n\n\n DeepMind and EMBL-EBI launched<\/a> the AlphaFold database in July 2021, with more than 350,000 protein structure predictions, including the entire human proteome. Subsequent updates saw the addition of UniProtKB\/SwissProt and 27 new proteomes, 17 of which represent neglected tropical diseases that continue to devastate<\/a> the lives of more than 1 billion people globally. <\/p>\n\n\n\n In just over a year, more than 1,000 scientific papers have cited the database and over 500,000 researchers from over 190 countries have accessed the AlphaFold Database to view over two million structures. <\/p>\n\n\n\n The team has also seen researchers building on AlphaFold to create and adapt tools such as Foldseek<\/a> and Dali<\/a> which allow users to search for entries similar to a given protein. Others have adopted the core machine learning ideas behind AlphaFold, forming the backbone of a slate of new algorithms in this space, or applying them to areas such as RNA structure prediction<\/a> or in developing new models<\/a> for designing proteins.<\/p>\n\n\n\n AlphaFold has also shown impact in areas such as improving our ability to fight plastic pollution<\/a>, gain insight into Parkinson’s disease<\/a>, increase the health of honey bees<\/a>, understand how ice forms<\/a>, tackle neglected diseases<\/a> such as Chagas disease and Leishmaniasis, and explore human evolution<\/a>. <\/p>\n\n\n\n \u201cWe released AlphaFold in the hopes that other teams could learn from and build on the advances we made, and it has been exciting to see that happen so quickly. Many other AI research organisations have now entered the field and are building on AlphaFold’s advances to create further breakthroughs. This is truly a new era in structural biology, and AI-based methods are going to drive incredible progress,” said John Jumper, Research Scientist and AlphaFold Lead at DeepMind.<\/p>\n\n\n\n \u201cAlphaFold has sent ripples through the molecular biology community. In the past year alone, there have been over a thousand scientific articles on a broad range of research topics which use AlphaFold structures; I have never seen anything like it,\u201d said Sameer Velankar, Team Leader at EMBL-EBI\u2019s Protein Data Bank in Europe. \u201cAnd this is just the impact of one million predictions; imagine the impact of having over 200 million protein structure predictions openly accessible in the AlphaFold Database.\u201d<\/p>\n\n\n\n DeepMind and EMBL-EBI will continue to refresh the database periodically, with the aim of improving features and functionality in response to user feedback. Access to structures will continue to be fully open, under a CC-BY 4.0 licence, and bulk downloads will be made available via Google Cloud Public Datasets<\/a>. <\/p>\n\n\n Con oltre 200 milioni di predizioni di strutture proteiche aggiunte al database, AlphaFold offre ora agli utenti un accesso aperto all’universo delle proteine in 3D.<\/em><\/p>\n\n\n\n DeepMind e l’Istituto Europeo di Bioinformatica dell’EMBL (EMBL-EBI) hanno messo a disposizione della comunit\u00e0 scientifica le predizioni delle strutture tridimensionali di quasi tutte le proteine catalogate conosciute dalla scienza, attraverso l’AlphaFold Protein Structure Database.<\/p>\n\n\n\n Le due organizzazioni sperano che il database ampliato continui ad aumentare la nostra comprensione della biologia, aiutando un numero sempre maggiore di scienziati ad affrontare le principali sfide globali.<\/p>\n\n\n\n Il database \u00e8 stato ampliato di circa 200 volte, passando da quasi 1 milione di strutture proteiche a oltre 200 milioni, includendo quasi tutti gli organismi terrestri il cui genoma \u00e8 stato sequenziato. L’espansione del database include predizioni di strutture proteiche di un’ampia gamma di specie, tra cui piante, batteri, animali e altri organismi, e apre nuove linee di ricerca nelle scienze della vita che avranno un impatto sulle sfide globali, tra cui la sostenibilit\u00e0, l’insicurezza alimentare e le malattie neglette.<\/p>\n\n\n\n Quasi tutte le sequenze proteiche presenti nel database delle proteine UniProt<\/a> saranno ora corredate da una predizione di struttura. Questo rilascio aprir\u00e0 anche nuove strade alla ricerca, come il supporto alla bioinformatica e al lavoro computazionale, consentendo ai ricercatori di individuare potenzialmente modelli e tendenze nel database.<\/p>\n\n\n\n “AlphaFold offre ora una visione tridimensionale dell’universo proteico”, ha dichiarato Edith Heard, Direttrice Generale dell’EMBL. “La popolarit\u00e0 e la crescita del database AlphaFold testimoniano il successo della collaborazione tra DeepMind ed EMBL, e il potere della scienza multidisciplinare”.<\/p>\n\n\n\n “Siamo rimasti stupiti dalla velocit\u00e0 con cui AlphaFold \u00e8 gi\u00e0 diventato uno strumento essenziale per centinaia di migliaia di scienziati nei laboratori e nelle Universit\u00e0 di tutto il mondo”, ha dichiarato Demis Hassabis, fondatore e CEO di DeepMind. “Dalla lotta contro le malattie a quella contro l’inquinamento da plastica, AlphaFold ha gi\u00e0 avuto un impatto incredibile su alcune delle pi\u00f9 grandi sfide globali. La nostra speranza \u00e8 che questo database ampliato aiuti un numero sempre maggiore di scienziati nel loro importante lavoro e apra strade completamente nuove alla ricerca scientifica”.<\/p>\n\n\n\n DeepMind ed EMBL-EBI hanno lanciato<\/a> il database AlphaFold nel luglio 2021, con oltre 350.000 predizioni di strutture proteiche, compreso l’intero proteoma umano. Gli aggiornamenti successivi hanno visto l’aggiunta di UniProtKB\/SwissProt e di 27 nuovi proteomi, 17 dei quali rappresentano malattie tropicali neglette che continuano ad affliggere<\/a> oltre 1 miliardo di persone a livello globale.<\/p>\n\n\n\n In poco pi\u00f9 di un anno, oltre 1.000 articoli scientifici hanno citato il database e pi\u00f9 di 500.000 ricercatori di oltre 190 Paesi hanno avuto accesso al Database AlphaFold per visualizzare oltre due milioni di strutture.<\/p>\n\n\n\n Alcuni ricercatori si sono basati su AlphaFold per creare e adattare strumenti come Foldseek<\/a> e Dali<\/a>, che consentono agli utenti di confrontare nuove strutture con quelle preesistenti. Altri hanno adottato il principio di apprendimento automatico alla base di AlphaFold, per strutturare una serie di nuovi algoritmi in questo settore, o applicandolo ad aree come la predizione della struttura dell’RNA<\/a> o allo sviluppo di nuovi modelli<\/a> per la progettazione delle proteine.<\/p>\n\n\n\n AlphaFold ha mostrato un impatto anche in settori come il miglioramento della nostra capacit\u00e0 di combattere l’inquinamento da plastica<\/a>, la comprensione del morbo di Parkinson<\/a>, il miglioramento della salute delle api da miele<\/a>, la comprensione della formazione del ghiaccio<\/a>, la lotta a malattie neglette<\/a> come la malattia di Chagas e la Leishmaniosi, e l’esplorazione dell’evoluzione umana<\/a>.<\/p>\n\n\n\n “Abbiamo rilasciato AlphaFold nella speranza che altri team potessero imparare e basarsi sui nostri progressi, ed \u00e8 stato entusiasmante vedere come ci\u00f2 sia avvenuto cos\u00ec rapidamente. Molte altre organizzazioni di ricerca sull’intelligenza artificiale sono entrate in questo campo e stanno sfruttando i progressi di AlphaFold per generare ulteriori scoperte. Questa \u00e8 davvero una nuova era nella biologia strutturale e i metodi basati sull’intelligenza artificiale porteranno a progressi incredibili”, ha dichiarato John Jumper, ricercatore e responsabile di AlphaFold presso DeepMind.<\/p>\n\n\n\n “AlphaFold ha avuto un successo enorme nella comunit\u00e0 della biologia molecolare. Solo nell’ultimo anno sono stati pubblicati oltre mille articoli scientifici su un’ampia gamma di argomenti di ricerca che utilizzano le strutture AlphaFold; non ho mai visto nulla di simile”, ha dichiarato Sameer Velankar, Team Leader della Protein Data Bank dell’EMBL-EBI in Europa. “E questo \u00e8 solo l’impatto di un milione di predizioni; immaginate l’impatto di oltre 200 milioni di predizioni di strutture proteiche accessibili liberamente dal Database AlphaFold”.<\/p>\n\n\n\n DeepMind ed EMBL-EBI continueranno ad aggiornare periodicamente il database, con l’obiettivo di migliorare le caratteristiche e le funzionalit\u00e0 in risposta al feedback degli utenti. L’accesso alle strutture continuer\u00e0 a essere completamente aperto, con licenza CC-BY 4.0, e i download di massa saranno resi disponibili tramite Google Cloud Public Datasets<\/a>.<\/p>\n\n\n Avec plus de 200 millions de pr\u00e9dictions de structures de prot\u00e9ines ajout\u00e9es \u00e0 la base de donn\u00e9es AlphaFold, celle-ci donne d\u00e9sormais aux utilisateurs un acc\u00e8s libre \u00e0 tout un univers prot\u00e9ique en 3D<\/em><\/p>\n\n\n\n DeepMind et l’Institut europ\u00e9en de bio-informatique de l’EMBL (EMBL-EBI) ont mis \u00e0 la disposition de la communaut\u00e9 scientifique, en acc\u00e8s libre et sans co\u00fbt, des pr\u00e9dictions bas\u00e9es sur l’intelligence artificielle (IA) de la structure tridimensionnelle de presque toutes les prot\u00e9ines catalogu\u00e9es connues de la science, via la base de donn\u00e9es AlphaFold Protein Structure Database<\/a>. <\/p>\n\n\n\n Les deux organisations esp\u00e8rent que l\u2019\u00e9largissement de cette base de donn\u00e9es va continuer \u00e0 am\u00e9liorer notre compr\u00e9hension de la biologie, en aidant un nombre incalculable de scientifiques dans leur travail pour relever les d\u00e9fis mondiaux.<\/p>\n\n\n\n La base de donn\u00e9es a \u00e9t\u00e9 multipli\u00e9e par environ 200, passant de pr\u00e8s d’un million de pr\u00e9dictions de structures de prot\u00e9ines \u00e0 plus de 200 millions de pr\u00e9dictions, couvrant ainsi presque tous les organismes sur Terre dont le g\u00e9nome a \u00e9t\u00e9 s\u00e9quenc\u00e9. L’expansion de la base de donn\u00e9es comprend la pr\u00e9diction de structures d\u2019un large \u00e9ventail d’esp\u00e8ces, y compris les plantes, les bact\u00e9ries, les animaux et d’autres organismes. Ceci ouvre de nouvelles voies de recherche dans les sciences de la vie, qui auront un impact sur les d\u00e9fis mondiaux tels que le d\u00e9veloppement durable, l’ins\u00e9curit\u00e9 alimentaire et les maladies n\u00e9glig\u00e9es.<\/p>\n\n\n\n D\u00e9sormais, presque toutes les s\u00e9quences de prot\u00e9ines de la base de donn\u00e9es UniProt<\/a> seront accompagn\u00e9es d’une pr\u00e9diction de structure. Cette version ouvrira \u00e9galement de nouvelles voies de recherche, notamment en soutenant les travaux en bio-informatique, permettant potentiellement aux chercheurs de rep\u00e9rer des mod\u00e8les et des tendances dans la base de donn\u00e9es.<\/p>\n\n\n\n “AlphaFold offre d\u00e9sormais une vue en 3D de l’univers des prot\u00e9ines”, a d\u00e9clar\u00e9 Edith Heard, directrice g\u00e9n\u00e9rale de l’EMBL. “La popularit\u00e9 et la croissance de la base de donn\u00e9es AlphaFold t\u00e9moignent du succ\u00e8s de la collaboration entre DeepMind et l’EMBL. Elle nous montre un aper\u00e7u de la puissance de la science multidisciplinaire.”<\/p>\n\n\n\n “Nous avons \u00e9t\u00e9 stup\u00e9faits par la vitesse \u00e0 laquelle AlphaFold est d\u00e9j\u00e0 devenu un outil essentiel pour des centaines de milliers de scientifiques dans les laboratoires et les universit\u00e9s du monde entier”, a d\u00e9clar\u00e9 Demis Hassabis, fondateur et PDG de DeepMind. “De la lutte contre les maladies \u00e0 la lutte contre la pollution plastique, AlphaFold a d\u00e9j\u00e0 eu un impact incroyable sur certains de nos plus grands d\u00e9fis mondiaux. Nous esp\u00e9rons que cette base de donn\u00e9es \u00e9largie aidera d’innombrables autres scientifiques dans leurs travaux et ouvrira la voie \u00e0 de d\u00e9couvertes scientifiques totalement nouvelles.”<\/p>\n\n\n\n DeepMind et EMBL-EBI ont lanc\u00e9<\/a> la base de donn\u00e9es AlphaFold en juillet 2021, avec plus de 350 000 pr\u00e9dictions de structures de prot\u00e9ines, y compris l’ensemble du prot\u00e9ome humain. Les mises \u00e0 jour ult\u00e9rieures ont vu l’ajout d’UniProtKB\/SwissProt et de 27 nouveaux prot\u00e9omes, dont 17 concernent des pathog\u00e8nes causant des maladies tropicales n\u00e9glig\u00e9es qui continuent de d\u00e9vaster<\/a> la vie de plus d’un milliard de personnes dans le monde. <\/p>\n\n\n\n En un peu plus d’un an, plus de 1 000 articles scientifiques ont cit\u00e9 la base de donn\u00e9es et plus de 500 000 chercheurs de plus de 190 pays ont acc\u00e9d\u00e9 \u00e0 la base de donn\u00e9es AlphaFold pour visualiser plus de deux millions de structures. <\/p>\n\n\n\n L’\u00e9quipe a \u00e9galement vu des chercheurs s’appuyer sur AlphaFold pour cr\u00e9er et adapter des outils tels que Foldseek<\/a> et Dali<\/a>, qui permettent aux utilisateurs de rechercher des entr\u00e9es similaires \u00e0 une prot\u00e9ine donn\u00e9e. D’autres ont adopt\u00e9 les id\u00e9es fondamentales d’apprentissage automatique d’AlphaFold, formant l’\u00e9pine dorsale d’une s\u00e9rie de nouveaux algorithmes dans ce domaine, ou les appliquant \u00e0 des domaines tels que la pr\u00e9diction de la structure de l’ARN<\/a> ou le d\u00e9veloppement de nouveaux mod\u00e8les<\/a> pour la conception de prot\u00e9ines.<\/p>\n\n\n\n AlphaFold a \u00e9galement eu un impact dans des domaines tels que l’am\u00e9lioration de notre capacit\u00e9 \u00e0 lutter contre la pollution plastique<\/a>, la compr\u00e9hension de la maladie de Parkinson<\/a>, l’am\u00e9lioration de la sant\u00e9 des abeilles<\/a>, la compr\u00e9hension de la formation de la glace<\/a>, la lutte contre les maladies n\u00e9glig\u00e9es<\/a> telles que la maladie de Chagas et la Leishmaniose, et l’exploration de l’\u00e9volution humaine<\/a>. <\/p>\n\n\n\n “Nous avons mis \u00e0 disposition AlphaFold dans l’espoir que d’autres \u00e9quipes pourraient tirer des enseignements de nos avanc\u00e9es et s’en inspirer, et il est passionnant de voir que cela s’est produit si rapidement. De nombreuses autres organisations de recherche en IA sont d\u00e9sormais entr\u00e9es dans le domaine et s’appuient sur les avanc\u00e9es d’AlphaFold pour cr\u00e9er de nouvelles avanc\u00e9es. Il s’agit v\u00e9ritablement d’une nouvelle \u00e8re pour la biologie structurale, et les m\u00e9thodes bas\u00e9es sur l’IA vont permettre de r\u00e9aliser des progr\u00e8s incroyables”, a d\u00e9clar\u00e9 John Jumper, chercheur scientifique et responsable d’AlphaFold chez DeepMind.<\/p>\n\n\n\n “AlphaFold a fait des vagues dans la communaut\u00e9 de la biologie mol\u00e9culaire. Rien que l’ann\u00e9e derni\u00e8re, plus d’un millier d’articles scientifiques sur un large \u00e9ventail de sujets de recherche ont utilis\u00e9 les structures d’AlphaFold ; je n’ai jamais rien vu de tel”, a d\u00e9clar\u00e9 Sameer Velankar, chef d’\u00e9quipe du Protein Data Bank en Europe de l’EMBL-EBI.” Et il ne s’agit l\u00e0 que de l’impact d’un million de pr\u00e9dictions ; imaginez l’impact d’avoir plus de 200 millions de pr\u00e9dictions de structures de prot\u00e9ines en acc\u00e8s libre dans la base de donn\u00e9es AlphaFold. “<\/p>\n\n\n\n DeepMind et EMBL-EBI continueront \u00e0 mettre \u00e0 jour p\u00e9riodiquement la base de donn\u00e9es, dans le but d’am\u00e9liorer les caract\u00e9ristiques et les fonctionnalit\u00e9s en r\u00e9ponse aux commentaires des utilisateurs. L’acc\u00e8s aux structures continuera d’\u00eatre totalement en libre acc\u00e8s, sous une licence CC-BY 4.0, et les t\u00e9l\u00e9chargements de masse seront disponibles via Google Cloud Public Datasets<\/a>. <\/p>\n\n\n\n\n\n\n DeepMind und das Europ\u00e4ische Institut f\u00fcr Bioinformatik (EMBL-EBI) haben KI-gest\u00fctzte Vorhersagen der dreidimensionalen Strukturen fast aller der Wissenschaft bisher bekannten, katalogisierten Proteine \u00fcber die AlphaFold Protein Structure Database<\/a> frei und offen f\u00fcr die wissenschaftliche Gemeinschaft zug\u00e4nglich gemacht.<\/em><\/p>\n\n\n\n Die beiden Organisationen hoffen, dass die erweiterte Datenbank unser Verst\u00e4ndnis der Biologie weiter verbessern und damit unz\u00e4hligen Wissenschaftler*innen bei ihrer Arbeit helfen wird, globale Herausforderungen zu bew\u00e4ltigen.<\/p>\n\n\n\n Die Datenbank wurde um etwa das 200-fache auf \u00fcber 200 Millionen Proteinstrukturen erweitert. Die Strukturvorhersagen decken fast alle Organismen der Erde ab, deren Genom sequenziert wurde. Die Erweiterung der Datenbank umfasst vorhergesagte Strukturen f\u00fcr ein breites Artenspektrum, darunter Pflanzen, Bakterien, Tiere und andere Organismen, und er\u00f6ffnet neue Wege f\u00fcr die Biowissenschaften mit Auswirkung auf die Forschung zu globalen Herausforderungen wie Nachhaltigkeit, Ern\u00e4hrungssicherheit und vernachl\u00e4ssigte Krankheiten.<\/p>\n\n\n\n Nun wird fast jede Proteinsequenz in der UniProt<\/a>-Protein-Datenbank mit einer vorhergesagten Struktur in Verbindung stehen. Diese Ver\u00f6ffentlichung wird auch neue Forschungsm\u00f6glichkeiten er\u00f6ffnen, z. B. gibt sie in der Bioinformatik und der computerbasierten Forschung Wissenschaftler*innen die M\u00f6glichkeit, Muster und Trends in der Datenbank zu erkennen.<\/p>\n\n\n\n “AlphaFold bietet jetzt eine 3D-Ansicht des Proteinuniversums”, sagte Edith Heard, Generaldirektorin des EMBL. “Die Popularit\u00e4t und das Wachstum der AlphaFold-Datenbank sind ein Zeugnis der erfolgreichen Zusammenarbeit zwischen DeepMind und EMBL. Die Datenbank gibt uns einen Einblick in die Kraft der multidisziplin\u00e4ren Wissenschaft.”<\/p>\n\n\n\n “Wir sind verbl\u00fcfft \u00fcber die Geschwindigkeit, mit der AlphaFold bereits zu einem unverzichtbaren Werkzeug f\u00fcr Hunderttausende von Wissenschaftler*innen in Laboren und Universit\u00e4ten auf der ganzen Welt geworden ist”, sagte Demis Hassabis, Gr\u00fcnder und CEO von DeepMind. “Von der Krankheitsbek\u00e4mpfung bis hin zum Kampf gegen die Plastikverschmutzung hat AlphaFold bereits einen unglaublichen Einfluss auf einige unserer gr\u00f6\u00dften globalen Herausforderungen erm\u00f6glicht. Wir hoffen, dass diese erweiterte Datenbank zahllosen weiteren Wissenschaftler*innen bei ihrer wichtigen Arbeit helfen und v\u00f6llig neue Wege der wissenschaftlichen Entdeckung er\u00f6ffnen wird.”<\/p>\n\n\n\n Ein unverzichtbares Werkzeug f\u00fcr Wissenschaftler*innen<\/strong><\/p>\n\n\n\n DeepMind und EMBL-EBI starteten<\/a> die AlphaFold-Datenbank im Juli 2021 mit mehr als 350.000 Proteinstrukturvorhersagen, darunter dem gesamten menschlichen Proteom. In den darauffolgenden Aktualisierungen wurden UniProtKB\/SwissProt und 27 neue Proteome hinzugef\u00fcgt. 17 von ihnen repr\u00e4sentieren vernachl\u00e4ssigte Tropenkrankheiten, die nach wie vor verheerende Auswirkungen<\/a> auf das Leben von mehr als einer Milliarde Menschen auf der Welt haben.<\/p>\n\n\n\n In etwas mehr als einem Jahr wurde die Datenbank in \u00fcber 1.000 wissenschaftlichen Artikeln zitiert und mehr als 500.000 Forscher aus \u00fcber 190 L\u00e4ndern haben auf die AlphaFold-Datenbank zugegriffen, um bisher mehr als zwei Millionen Strukturen einzusehen.<\/p>\n\n\n\n Das AlphaFold Team konnte auch beobachten, wie Forschende die Datenbank nutzten, um Tools wie Foldseek<\/a> und Dali<\/a> zu entwickeln und anzupassen, mit denen Nutzer*innen nach Eintr\u00e4gen suchen k\u00f6nnen, die einem vorgegebenen Protein \u00e4hneln. Andere haben die Kernideen des maschinellen Lernens hinter AlphaFold \u00fcbernommen, die nun das R\u00fcckgrat einer Reihe neuer Algorithmen in diesem Bereich bilden oder in Bereichen wie der Vorhersage von RNA-Strukturen<\/a> oder bei der Entwicklung neuer Modelle<\/a> f\u00fcr das Design von Proteinen angewendet werden.<\/p>\n\n\n\n Auswirkungen und Zukunft von AlphaFold und der Datenbank<\/strong><\/p>\n\n\n\n AlphaFold wurde bereits in Bereichen wie der Bek\u00e4mpfung der Plastikverschmutzung<\/a>, der Erforschung der Parkinson-Krankheit<\/a>, der Verbesserung der Gesundheit von Honigbienen<\/a>, dem Verst\u00e4ndnis der Eisbildung<\/a>, der Bek\u00e4mpfung vernachl\u00e4ssigter Krankheiten<\/a> wie der Chagas-Krankheit und der Leishmaniose, sowie der Erforschung der menschlichen Evolution<\/a> erfolgreich angewendet.<\/p>\n\n\n\n “Wir haben AlphaFold in der Hoffnung ver\u00f6ffentlicht, dass andere Teams von unseren Fortschritten lernen und darauf aufbauen k\u00f6nnen, und es war aufregend zu sehen, dass dies so schnell geschah. Viele andere KI-Forschungseinrichtungen sind inzwischen in dieses Feld eingestiegen und bauen auf den Fortschritten von AlphaFold auf, um weitere Durchbr\u00fcche zu erzielen. Dies ist wirklich eine neue \u00c4ra in der Strukturbiologie, und KI-basierte Methoden werden unglaubliche Fortschritte hervorbringen”, sagte John Jumper, Research Scientist und AlphaFold Lead bei DeepMind.<\/p>\n\n\n\n “AlphaFold hat die Molekularbiologie-Community in Aufruhr versetzt. Allein im letzten Jahr gab es \u00fcber tausend wissenschaftliche Artikel zu einem breiten Spektrum von Forschungsthemen, in denen AlphaFold-Strukturen verwendet wurden; so etwas habe ich noch nie gesehen”, sagte Sameer Velankar, Teamleiter bei der Protein Data Bank des EMBL-EBI in Europa. “Und das ist nur die Auswirkung von einer Million Vorhersagen; stellen Sie sich die Auswirkung von \u00fcber 200 Millionen Proteinstrukturvorhersagen vor, die nun in der AlphaFold-Datenbank offen zug\u00e4nglich sind.”<\/p>\n\n\n\n DeepMind und EMBL-EBI werden die Datenbank weiterhin in regelm\u00e4\u00dfigen Abst\u00e4nden aktualisieren, und mit dem Feedback der Nutzer*innen Eigenschaften und Funktionen verbessern. Der Zugang zu den Strukturen wird unter einer CC-BY 4.0-Lizenz weiterhin vollst\u00e4ndig offen sein, und Massen-Downloads werden \u00fcber Google Cloud Public Datasets<\/a> zur Verf\u00fcgung gestellt.<\/p>\n\n\n DeepMind y el Instituto Europeo de Bioinform\u00e1tica del EMBL (EMBL-EBI por sus siglas en ingl\u00e9s) han puesto a disposici\u00f3n de la comunidad cient\u00edfica, de forma gratuita y abierta, las predicciones basadas en inteligencia artificial de la estructura tridimensional de casi todas las prote\u00ednas catalogadas conocidas por la ciencia, a trav\u00e9s de la base de datos AlphaFold Protein Structure Database<\/a>.<\/em><\/p>\n\n\n\n Ambas organizaciones esperan que la ampliaci\u00f3n de la base de datos siga aumentando nuestra comprensi\u00f3n de la biolog\u00eda, y ayudando a innumerables cient\u00edficos en su trabajo a la hora de abordar los retos globales.<\/p>\n\n\n\n Esta base de datos se ha multiplicado aproximadamente por 200, pasando de casi un mill\u00f3n de estructuras proteicas a m\u00e1s de 200 millones, abarcando casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado. La ampliaci\u00f3n de la base de datos incluye estructuras predichas para una amplia gama de especies, incluyendo plantas, bacterias, animales y otros organismos, abriendo nuevas v\u00edas de investigaci\u00f3n en las ciencias de la vida y que tendr\u00e1n un impacto en los desaf\u00edos globales, incluyendo la sostenibilidad, la inseguridad alimentaria y las enfermedades olvidadas.<\/p>\n\n\n\n De ahora en adelante, casi todas las secuencias de prote\u00ednas de la base de datos de prote\u00ednas UniProt<\/a> aparecer\u00e1n con una estructura predicha. Este lanzamiento tambi\u00e9n abrir\u00e1 nuevas v\u00edas de investigaci\u00f3n, como el apoyo a la bioinform\u00e1tica y el trabajo computacional, permitiendo a los investigadores detectar potencialmente patrones y tendencias en la base de datos.<\/p>\n\n\n\n “AlphaFold ofrece ahora una visi\u00f3n tridimensional del universo de las prote\u00ednas”, declar\u00f3 Edith Heard, Directora General del EMBL. “La popularidad y el crecimiento de la base de datos AlphaFold es testimonio del \u00e9xito de la colaboraci\u00f3n entre DeepMind y el EMBL. Nos muestra un atisbo del poder de la ciencia multidisciplinar”.<\/p>\n\n\n\n “Nos ha sorprendido la velocidad en la que AlphaFold se ha convertido ya en una herramienta esencial para cientos de miles de cient\u00edficos en laboratorios y universidades de todo el mundo”, dijo Demis Hassabis, fundador y Director General de DeepMind. “Desde la lucha contra las enfermedades hasta la lucha contra la contaminaci\u00f3n por pl\u00e1sticos, AlphaFold ya ha permitido un impacto incre\u00edble en algunos de nuestros mayores desaf\u00edos globales. Nuestra esperanza es que esta base de datos ampliada ayude a innumerables cient\u00edficos m\u00e1s en su importante trabajo y abra v\u00edas completamente nuevas de descubrimiento cient\u00edfico.”<\/p>\n\n\n\n DeepMind y EMBL-EBI lanzaron<\/a> la base de datos AlphaFold en julio de 2021, con m\u00e1s de 350.000 predicciones de estructuras de prote\u00ednas, incluyendo todo el proteoma humano. Las actualizaciones posteriores incluyeron UniProtKB\/SwissProt y 27 nuevos proteomas, 17 de los cuales representaban enfermedades tropicales desatendidas que contin\u00faan devastando<\/a> las vidas de m\u00e1s de mil millones de personas en todo el mundo.<\/p>\n\n\n\n En poco m\u00e1s de un a\u00f1o, m\u00e1s de 1.000 art\u00edculos cient\u00edficos han citado la base de datos y m\u00e1s de 500.000 investigadores de m\u00e1s de 190 pa\u00edses han accedido a la base de datos AlphaFold para visualizar m\u00e1s de dos millones de estructuras proteicas.<\/p>\n\n\n\n El equipo tambi\u00e9n ha visto c\u00f3mo los investigadores se basan en AlphaFold para crear y adaptar herramientas como Foldseek<\/a> y Dali<\/a>, que permiten a los usuarios buscar entradas similares a una prote\u00edna determinada. Otros grupos han adoptado las ideas centrales de aprendizaje autom\u00e1tico de AlphaFold, formando la columna vertebral de una serie de nuevos algoritmos en este \u00e1mbito, o aplic\u00e1ndolas a \u00e1reas como la predicci\u00f3n de estructuras de ARN<\/a> o el desarrollo de nuevos modelos<\/a> para el dise\u00f1o de prote\u00ednas.<\/p>\n\n\n\n AlphaFold tambi\u00e9n ha demostrado su repercusi\u00f3n en \u00e1mbitos como la mejora de nuestra capacidad para luchar contra la contaminaci\u00f3n por pl\u00e1sticos<\/a>, la comprensi\u00f3n de la enfermedad de Parkinson<\/a>, el aumento de la salud de las abejas mel\u00edferas<\/a>, la comprensi\u00f3n de c\u00f3mo se forma el hielo<\/a>, la lucha contra enfermedades desatendidas<\/a> como la enfermedad de Chagas y la leishmaniosis, y la exploraci\u00f3n de la evoluci\u00f3n humana<\/a>.<\/p>\n\n\n\n “Lanzamos AlphaFold con la esperanza de que otros equipos pudieran aprender y aprovechar los avances que hicimos, y ha sido emocionante ver que esto ha sucedido tan r\u00e1pidamente. Muchas otras organizaciones de investigaci\u00f3n con Inteligencia Artificial (IA) han entrado en este campo y se basan en los avances de AlphaFold para crear los suyos propios. Se trata de una nueva era en la biolog\u00eda estructural, y los m\u00e9todos basados en la IA van a impulsar un progreso incre\u00edble”, coment\u00f3 John Jumper, cient\u00edfico de investigaci\u00f3n y l\u00edder de AlphaFold en DeepMind.<\/p>\n\n\n\n “AlphaFold ha tenido un \u00e9xito enorme en la comunidad de la biolog\u00eda molecular. Solo en el \u00faltimo a\u00f1o, se han publicado m\u00e1s de mil art\u00edculos cient\u00edficos sobre una amplia gama de temas de investigaci\u00f3n que utilizan las estructuras de AlphaFold; nunca he visto nada parecido”, ha declarado Sameer Velankar, jefe de equipo del Banco de Datos de Prote\u00ednas de Europa del EMBL-EBI. “Y esto es solo el impacto de un mill\u00f3n de predicciones; imagina el impacto de tener m\u00e1s de 200 millones de predicciones de estructuras proteicas abiertamente accesibles en la base de datos AlphaFold”.<\/p>\n\n\n\n DeepMind y EMBL-EBI seguir\u00e1n actualizando la base de datos peri\u00f3dicamente, con el objetivo de mejorar las caracter\u00edsticas y su funcionalidad en respuesta a los comentarios de los usuarios. El acceso a las estructuras seguir\u00e1 siendo totalmente abierto, bajo una licencia CC-BY 4.0, y las descargas masivas estar\u00e1n disponibles a trav\u00e9s de Google Cloud Public Datasets<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":" AlphaFold database offers a look at 3D protein universe.<\/p>\n","protected":false},"author":47,"featured_media":51148,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[2,17591,11056],"tags":[12758,28,36,315,5752],"embl_taxonomy":[2906,11980],"class_list":["post-51136","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-science","category-science-technology","category-technology-and-innovation","tag-alphafold","tag-bioinformatics","tag-embl-ebi","tag-open-data","tag-protein-structure","embl_taxonomy-embl-ebi","embl_taxonomy-protein-data-bank-in-europe"],"acf":{"featured":true,"show_featured_image":false,"field_target_display":"both","article_intro":"An essential tool for scientists<\/strong><\/h2>\n\n\n\n
Impact and future of AlphaFold and the database<\/strong><\/h2>\n\n\n\n
\n\n\nAlphaFold predice la struttura di quasi tutte le proteine catalogate note alla scienza<\/strong><\/h1>\n\n\n\n
Uno strumento essenziale per gli scienziati<\/strong><\/h2>\n\n\n\n
Impatto e futuro di AlphaFold e del database<\/strong><\/h2>\n\n\n\n
\n\n\nAlphaFold pr\u00e9dit la structure de presque toutes les prot\u00e9ines catalogu\u00e9es connues de la science<\/h1>\n\n\n\n
Un outil essentiel pour les scientifiques<\/strong><\/h2>\n\n\n\n
Impact et avenir d\u2019AlphaFold et de la base de donn\u00e9es<\/strong><\/h2>\n\n\n\n
\n\n\nAlphaFold stellt Strukturvorhersagen von fast allen der Wissenschaft bekannten Proteinen zur Verf\u00fcgung<\/h1>\n\n\n\n
\n\n\nAlphaFold predice la estructura de casi todas las prote\u00ednas catalogadas conocidas por la ciencia<\/h1>\n\n\n\n
Una herramienta esencial para los cient\u00edficos<\/strong><\/h2>\n\n\n\n
Impacto y futuro de AlphaFold y la base de datos<\/h2>\n\n\n\n