MEMORY INDUSTRY INTELLIGENCE
오픈 사이언스가 연구자들의 차기 팬데믹 대비를 돕는 방법
한국어 번역·요약·분석
원문 제목: How Open Science Can Help Researchers Prepare for the Next Pandemic
원문 문장이 일치하지 않은 주장 2건은 근거 등록에서 제외했습니다.
핵심 요약
엔비디아는 구글 딥마인드, EMBL-EBI 등과 협력하여 2,800종 이상 바이러스의 단백질 복합체 예측 3D 구조를 AlphaFold Database를 통해 공개했다. 이 데이터셋은 AlphaFold2와 NVIDIA BioNeMo Inference Runtime으로 생성되었으며, 약 30%의 단백질 상호작용이 과학계에 완전히 새로운 것이다. 엔비디아는 데이터셋 생성에 사용된 BioNeMo Structure Prediction Pipeline도 공개하여 연구자들이 자체 표적에 대해 단백질 서열에서 예측 3D 구조를 얻을 수 있도록 했다. 이 협력은 차기 팬데믹 대비를 위한 지식 비축을 목표로 하며, 2050년까지 COVID-19 수준의 팬데믹이 발생할 확률이 약 50%라는 분석도 언급되었다.
메모리 산업 영향 분석
이 문서는 메모리 산업과 직접적인 관련이 없다. 내용은 AI 기반 단백질 구조 예측과 오픈 사이언스 협력에 초점을 맞추고 있으며, 메모리 제품, 고객, 수요 동인에 대한 언급이 전혀 없다. 따라서 메모리 산업 영향, 관련 제품·고객, 직접 효과·계층 이동·사용량 효과·적용 범위를 분석할 근거가 부족하다. 원문에서 확인된 사실은 NVIDIA가 BioNeMo Inference Runtime을 사용해 AlphaFold2 추론을 최적화했다는 점뿐이며, 이것이 메모리 산업에 미치는 영향은 분석가 가설로도 구체화하기 어렵다. 반대 근거나 확인할 지표도 원문에 없다. 메모리 산업과의 직접 연결 근거 부족이라고 명시한다.
한국어 번역 읽기
수집된 원문 v1의 전체 본문 기준 · 5766자
COVID-19가 출현했을 때 과학자들에게는 결정적인 이점이 있었다: 수십 년간의 코로나바이러스 연구를 통해 바이러스의 핵심 단백질을 충분히 이해하여 기록적인 시간 내에 백신을 설계할 수 있었다. 차기 팬데믹은 같은 선발 이점을 제공하지 않을 수 있다.
확률을 높이기 위해 NVIDIA는 Google DeepMind와 유럽 분자생물학 연구소의 유럽 생물정보학 연구소(EMBL-EBI)를 포함한 글로벌 연구 기관 연합에 합류하여 2,800종 이상의 바이러스 단백질 복합체에 대한 예측 3D 구조를 공개했다. 이는 AlphaFold Database를 통해 전 세계 모든 과학자가 공개적으로 이용할 수 있다.
새로 공개된 데이터셋의 구조는 단백질이 3D 형태로 접히는 방식을 예측하는 Google DeepMind의 AI 모델인 AlphaFold2를 사용하여 추론되었으며, NVIDIA BioNeMo Inference Runtime의 최적화를 거쳤다. 이를 통해 팀은 추론을 수천 개의 바이러스 프로테옴으로 확장하여 각 바이러스에 암호화된 복합체, 즉 상호작용하는 단백질 그룹을 예측할 수 있었다.
“AlphaFold Database에 대한 우리의 야망은 항상 기초 생물학에 대한 접근을 대규모로 민주화하는 것이었습니다.”라고 Google DeepMind의 생명과학 파트너십 매니저인 Risha Patel이 말했다. “수천 개의 바이러스 복합체를 데이터베이스에 포함시키는 이 협력은 전 세계 과학자들에게 향후 발병에 대비하는 데 필요한 통찰력을 제공할 것입니다.”
NVIDIA는 또한 데이터셋을 생성하는 데 사용된 GPU 가속 워크플로인 BioNeMo Structure Prediction Pipeline을 공개적으로 출시하여 연구자들이 자체 표적에 대해 단백질 서열에서 예측 3D 구조로 이동할 수 있도록 했다.
차기 팬데믹 대비는 지금 시작해야 한다. 세계개발센터(Center for Global Development)의 분석에 따르면 2050년까지 세계가 COVID-19만큼 심각한 팬데믹에 직면할 확률이 약 50%로 추정된다.
“차기 팬데믹이 발생하면 예상치 못한 것이 나올 수 있고, 우리는 COVID에 대해 가졌던 지식을 결여할 것입니다.”라고 이 프로젝트의 협력자인 글래스고 대학교 의학연구위원회 바이러스 연구 센터의 분자 바이러스학 교수 Joe Grove가 말했다. “우리가 하려는 것은 그 지식 중 일부를 미리 비축하는 것입니다.”
데이터베이스에 추가되는 단백질 상호작용의 약 30%는 과학계에 완전히 새로운 것으로, 실험적으로 결정된 단백질 구조의 주요 저장소인 Protein Data Bank에 문서화된 적이 없는 상호작용 형태를 보여준다. 이는 생물학계가 새로운 지식을 생성하기 위해 탐구하고 활용할 수 있는 새로운 통찰력으로 이어진다.
“이 데이터베이스는 가설 생성을 위한 엔진입니다.”라고 NVIDIA의 디지털 생물학 응용 연구 과학 팀 리드인 Chris Dallago가 말했다. “우리는 생물학자와 AI 커뮤니티가 단백질 상호작용을 단일 분자가 아닌 복합체로 조사할 수 있도록 하여 전체 분야가 발전할 수 있게 합니다.”
복잡한 단백질 구조 예측
대부분의 단백질은 단독으로 작동하지 않는다 — 그들은 정교한 기능을 수행하기 위해 여러 분자의 복합체로 모인다. 이러한 구조는 종종 백신이나 약물이 바이러스 기능을 방해하기 위해 표적해야 하는 것이다.
예를 들어, COVID-19 바이러스의 스파이크 단백질의 3D 구조를 이해하는 것은 백신 설계의 기초가 되었다. 수천 개의 다른 바이러스에 대해서는 오늘날 그러한 구조적 지식이 존재하지 않는다. 이 데이터셋은 그 격차를 채우기 시작한다.
단백질 구조를 결정하는 전통적인 방법 — 단백질을 결정화하고 X선을 쏘는 것 — 은 수년이 걸리고 구조당 수천 달러의 비용이 들 수 있다. NVIDIA GPU에서 효율적으로 실행되도록 NVIDIA BioNeMo로 최적화된 AlphaFold2는 몇 분 만에 구조를 예측하고 대량으로 실행할 수 있다. 과학자들은 그런 다음 실험 방법을 통해 높은 신뢰도의 예측을 검증할 수 있다.
이 프로젝트를 위해 팀은 일반 감기 바이러스부터 Mpox와 같은 신종 위협에 이르기까지 인간을 감염시키는 것으로 알려진 바이러스 과의 단백질 구조를 체계적으로 작업했다.
글로벌 협력과 글로벌 접근
이 협력은 전염병 대비 혁신 연합(Coalition for Epidemic Preparedness Innovations), EMBL-EBI, Google DeepMind, NVIDIA, 서울대학교, 성균관대학교, 스위스 생물정보학 연구소, 글래스고 대학교에 걸쳐 있다.
이 데이터셋 공개는 — 이번 주 뉴욕시에서 열리는 세계경제포럼이 소집한 팬데믹 예방, 대비 및 대응에 관한 유엔 총회 회의와 동시에 — AlphaFold Database에 기여하며, 이 데이터베이스는 이제 과학에 알려진 거의 모든 카탈로그화된 단백질을 포함하는 2억 6천만 개 이상의 단백질 및 단백질 복합체 예측을 보유하고 있다.
“이 데이터를 공개하는 것은 바이러스 진단과 치료 및 백신 개발을 이해하는 데 중요합니다.”라고 EMBL-EBI의 임시 소장인 Jo McEntyre가 말했다. “이 데이터셋은 또한 덜 연구된 바이러스를 포함하고 발병에 직접 맞서는 저자원 환경의 과학자들의 장벽을 낮춥니다.”
공개 데이터셋의 예측은 신뢰도로 표시된다. 구조는 바이러스 복합체가 어떻게 보일 수 있는지와 개별 단백질이 바이러스 프로테옴 내에서 어떻게 상호작용할 수 있는지를 보여준다.
전체적으로, 새로운 데이터는 디지털 생물학과 질병 연구 전반에 걸쳐 과학자들이 이용할 수 있는 정보에 대한 주요 기여를 나타낸다.
“제가 박사 학위를 할 때는 우리가 조사하던 단백질 중 어떤 것에 대한 구조도 없었습니다. 어둠 속에서 작업하는 것과 같았고 — 무슨 일이 일어나고 있는지 추측해야 했습니다.”라고 Grove가 말했다. “이 데이터셋은 지금 박사 학위를 하는 모든 연구자에게 강력한 도구이며, 그들에게 기초 과학을 가속화할 고품질 구조 데이터를 제공합니다.”
AlphaFold Database Pandemic Preparedness Portal에서 바이러스 단백질 복합체 데이터셋을 탐색하고, BioNeMo Structure Prediction Pipeline으로 단백질 표적에 대한 구조를 예측하며, NVIDIA BioNeMo에 대해 더 알아보세요.
확률을 높이기 위해 NVIDIA는 Google DeepMind와 유럽 분자생물학 연구소의 유럽 생물정보학 연구소(EMBL-EBI)를 포함한 글로벌 연구 기관 연합에 합류하여 2,800종 이상의 바이러스 단백질 복합체에 대한 예측 3D 구조를 공개했다. 이는 AlphaFold Database를 통해 전 세계 모든 과학자가 공개적으로 이용할 수 있다.
새로 공개된 데이터셋의 구조는 단백질이 3D 형태로 접히는 방식을 예측하는 Google DeepMind의 AI 모델인 AlphaFold2를 사용하여 추론되었으며, NVIDIA BioNeMo Inference Runtime의 최적화를 거쳤다. 이를 통해 팀은 추론을 수천 개의 바이러스 프로테옴으로 확장하여 각 바이러스에 암호화된 복합체, 즉 상호작용하는 단백질 그룹을 예측할 수 있었다.
“AlphaFold Database에 대한 우리의 야망은 항상 기초 생물학에 대한 접근을 대규모로 민주화하는 것이었습니다.”라고 Google DeepMind의 생명과학 파트너십 매니저인 Risha Patel이 말했다. “수천 개의 바이러스 복합체를 데이터베이스에 포함시키는 이 협력은 전 세계 과학자들에게 향후 발병에 대비하는 데 필요한 통찰력을 제공할 것입니다.”
NVIDIA는 또한 데이터셋을 생성하는 데 사용된 GPU 가속 워크플로인 BioNeMo Structure Prediction Pipeline을 공개적으로 출시하여 연구자들이 자체 표적에 대해 단백질 서열에서 예측 3D 구조로 이동할 수 있도록 했다.
차기 팬데믹 대비는 지금 시작해야 한다. 세계개발센터(Center for Global Development)의 분석에 따르면 2050년까지 세계가 COVID-19만큼 심각한 팬데믹에 직면할 확률이 약 50%로 추정된다.
“차기 팬데믹이 발생하면 예상치 못한 것이 나올 수 있고, 우리는 COVID에 대해 가졌던 지식을 결여할 것입니다.”라고 이 프로젝트의 협력자인 글래스고 대학교 의학연구위원회 바이러스 연구 센터의 분자 바이러스학 교수 Joe Grove가 말했다. “우리가 하려는 것은 그 지식 중 일부를 미리 비축하는 것입니다.”
데이터베이스에 추가되는 단백질 상호작용의 약 30%는 과학계에 완전히 새로운 것으로, 실험적으로 결정된 단백질 구조의 주요 저장소인 Protein Data Bank에 문서화된 적이 없는 상호작용 형태를 보여준다. 이는 생물학계가 새로운 지식을 생성하기 위해 탐구하고 활용할 수 있는 새로운 통찰력으로 이어진다.
“이 데이터베이스는 가설 생성을 위한 엔진입니다.”라고 NVIDIA의 디지털 생물학 응용 연구 과학 팀 리드인 Chris Dallago가 말했다. “우리는 생물학자와 AI 커뮤니티가 단백질 상호작용을 단일 분자가 아닌 복합체로 조사할 수 있도록 하여 전체 분야가 발전할 수 있게 합니다.”
복잡한 단백질 구조 예측
대부분의 단백질은 단독으로 작동하지 않는다 — 그들은 정교한 기능을 수행하기 위해 여러 분자의 복합체로 모인다. 이러한 구조는 종종 백신이나 약물이 바이러스 기능을 방해하기 위해 표적해야 하는 것이다.
예를 들어, COVID-19 바이러스의 스파이크 단백질의 3D 구조를 이해하는 것은 백신 설계의 기초가 되었다. 수천 개의 다른 바이러스에 대해서는 오늘날 그러한 구조적 지식이 존재하지 않는다. 이 데이터셋은 그 격차를 채우기 시작한다.
단백질 구조를 결정하는 전통적인 방법 — 단백질을 결정화하고 X선을 쏘는 것 — 은 수년이 걸리고 구조당 수천 달러의 비용이 들 수 있다. NVIDIA GPU에서 효율적으로 실행되도록 NVIDIA BioNeMo로 최적화된 AlphaFold2는 몇 분 만에 구조를 예측하고 대량으로 실행할 수 있다. 과학자들은 그런 다음 실험 방법을 통해 높은 신뢰도의 예측을 검증할 수 있다.
이 프로젝트를 위해 팀은 일반 감기 바이러스부터 Mpox와 같은 신종 위협에 이르기까지 인간을 감염시키는 것으로 알려진 바이러스 과의 단백질 구조를 체계적으로 작업했다.
글로벌 협력과 글로벌 접근
이 협력은 전염병 대비 혁신 연합(Coalition for Epidemic Preparedness Innovations), EMBL-EBI, Google DeepMind, NVIDIA, 서울대학교, 성균관대학교, 스위스 생물정보학 연구소, 글래스고 대학교에 걸쳐 있다.
이 데이터셋 공개는 — 이번 주 뉴욕시에서 열리는 세계경제포럼이 소집한 팬데믹 예방, 대비 및 대응에 관한 유엔 총회 회의와 동시에 — AlphaFold Database에 기여하며, 이 데이터베이스는 이제 과학에 알려진 거의 모든 카탈로그화된 단백질을 포함하는 2억 6천만 개 이상의 단백질 및 단백질 복합체 예측을 보유하고 있다.
“이 데이터를 공개하는 것은 바이러스 진단과 치료 및 백신 개발을 이해하는 데 중요합니다.”라고 EMBL-EBI의 임시 소장인 Jo McEntyre가 말했다. “이 데이터셋은 또한 덜 연구된 바이러스를 포함하고 발병에 직접 맞서는 저자원 환경의 과학자들의 장벽을 낮춥니다.”
공개 데이터셋의 예측은 신뢰도로 표시된다. 구조는 바이러스 복합체가 어떻게 보일 수 있는지와 개별 단백질이 바이러스 프로테옴 내에서 어떻게 상호작용할 수 있는지를 보여준다.
전체적으로, 새로운 데이터는 디지털 생물학과 질병 연구 전반에 걸쳐 과학자들이 이용할 수 있는 정보에 대한 주요 기여를 나타낸다.
“제가 박사 학위를 할 때는 우리가 조사하던 단백질 중 어떤 것에 대한 구조도 없었습니다. 어둠 속에서 작업하는 것과 같았고 — 무슨 일이 일어나고 있는지 추측해야 했습니다.”라고 Grove가 말했다. “이 데이터셋은 지금 박사 학위를 하는 모든 연구자에게 강력한 도구이며, 그들에게 기초 과학을 가속화할 고품질 구조 데이터를 제공합니다.”
AlphaFold Database Pandemic Preparedness Portal에서 바이러스 단백질 복합체 데이터셋을 탐색하고, BioNeMo Structure Prediction Pipeline으로 단백질 표적에 대한 구조를 예측하며, NVIDIA BioNeMo에 대해 더 알아보세요.
브리프용 요약 초안
엔비디아가 구글 딥마인드, EMBL-EBI 등과 협력해 2,800종 이상 바이러스의 단백질 복합체 예측 3D 구조를 AlphaFold Database에 공개했다. 이 데이터셋은 AlphaFold2와 NVIDIA BioNeMo Inference Runtime으로 생성되었으며, 약 30%는 과학계에 새로운 정보이다. 메모리 산업과의 직접적 연관성은 이 문서에서 확인되지 않는다.
원문 텍스트
원문 열기 ↗When COVID-19 emerged, scientists had a crucial advantage: Decades of prior research on coronaviruses meant they understood the virus’ key proteins well enough to design vaccines in record time. The next pandemic may not offer the same head start.
To help improve the odds, NVIDIA has joined a coalition of global research organizations, including Google DeepMind and the European Molecular Biology Laboratory’s European Bioinformatics Institute (EMBL-EBI), to release predicted 3D structures for the protein complexes of more than 2,800 viruses — openly available to any scientist, anywhere, through the AlphaFold Database.
The structures in the newly released dataset were inferred using AlphaFold2 — Google DeepMind’s AI model for predicting how proteins fold into 3D shapes — with optimization from
NVIDIA BioNeMo Inference Runtime
. This allowed the team to scale inference to thousands of viral proteomes, predicting the complexes, or groups of interacting proteins, encoded within each virus.
“Our ambition with the AlphaFold Database has always been to democratize access to foundational biology at scale,” said Risha Patel, life sciences partnerships manager at Google DeepMind. “This collaboration to bring thousands of viral complexes into the database will equip scientists around the world with insights they need to help prepare for future outbreaks.”
NVIDIA is also openly releasing the
BioNeMo Structure Prediction Pipeline
, the GPU-accelerated workflow used to generate the dataset, so researchers can go from protein sequence to predicted 3D structure for their own targets.
Preparation for the next pandemic must begin now. An analysis by the Center for Global Development estimates a
roughly 50% chance
of the world facing a pandemic as severe as COVID-19 by 2050.
“When the next pandemic happens, there may be something that comes out of the blue, and we’ll be lacking the knowledge we had for COVID,” said Joe Grove, professor of molecular virology at the Medical Research Council-University of Glasgow Centre for Virus Research and a collaborator on the project. “What we’re trying to do is stockpile some of that knowledge ahead of time.”
About 30% of the protein interactions being added to the database are completely new to science, showing interaction shapes that have never been documented in the Protein Data Bank, the main repository of experimentally determined protein structures. This translates to new insights for the biological community to explore and harness to generate new knowledge.
“This database is an engine for hypothesis generation,” said Chris Dallago, applied research science team lead in digital biology at NVIDIA. “We’re enabling biologists and the AI community to investigate protein interactions, not just as single molecules but as complexes, so the whole field can move forward.”
Predicting Complex Protein Structures
Most proteins don’t work alone — they come together in complexes of multiple molecules to perform sophisticated functions. Those structures are often what a vaccine or drug must target to disrupt viral function.
Understanding the 3D structure of the COVID-19 virus’ spike protein, for example, proved foundational to vaccine design. For thousands of other viruses, no such structural knowledge exists today. This dataset begins to fill that gap.
Traditional methods for determining protein structures — crystallizing proteins and shooting X-rays at them — can take years and cost thousands of dollars per structure. AlphaFold2, which was optimized with
NVIDIA BioNeMo
to efficiently run on NVIDIA GPUs, predicts a structure in minutes and can be run in bulk. Scientists can then verify high-confidence predictions through experimental methods.
For this project, the team systematically worked through the protein structures of viral families known to infect humans, from common-cold viruses to emerging threats like Mpox.
A Global Collaboration With Global Access
The collaboration spans the Coalition for Epidemic Preparedness Innovations, EMBL-EBI, Google DeepMind, NVIDIA, Seoul National University, Sungkyunkwan University, the Swiss Institute of Bioinformatics and the University of Glasgow.
The dataset release — coinciding with a United Nations General Assembly meeting convened by the World Economic Forum on pandemic prevention, preparedness and response taking place this week in New York City — contributes to the AlphaFold Database, which now holds more than 260 million protein and protein complex predictions covering nearly every cataloged protein known to science.
“Making this data open is critical for understanding viral diagnostics and developing treatments and vaccines,” said Jo McEntyre, interim director of EMBL-EBI. “The dataset also covers lesser-studied viruses and lowers the barriers for scientists in low-resource settings who are confronting outbreaks firsthand.”
Predictions in the open dataset are labeled by confidence. The structures show what viral complexes may look like and how individual proteins might interact within a viral proteome.
Overall, the new data represents a major contribution to the information available for scientists across digital biology and disease research.
“When I did my Ph.D., there were no structures for any of the proteins we were investigating. It was like working in the dark — we had to guess what was going on,” said Grove. “This dataset is a powerful tool for all the researchers doing their Ph.D.s now, giving them high-quality structural data that’s going to accelerate fundamental science.”
Explore the viral protein complex dataset on the
AlphaFold Database Pandemic Preparedness Portal
, predict structures for protein targets with the
BioNeMo Structure Prediction Pipeline
, and learn more about
NVIDIA BioNeMo
.
To help improve the odds, NVIDIA has joined a coalition of global research organizations, including Google DeepMind and the European Molecular Biology Laboratory’s European Bioinformatics Institute (EMBL-EBI), to release predicted 3D structures for the protein complexes of more than 2,800 viruses — openly available to any scientist, anywhere, through the AlphaFold Database.
The structures in the newly released dataset were inferred using AlphaFold2 — Google DeepMind’s AI model for predicting how proteins fold into 3D shapes — with optimization from
NVIDIA BioNeMo Inference Runtime
. This allowed the team to scale inference to thousands of viral proteomes, predicting the complexes, or groups of interacting proteins, encoded within each virus.
“Our ambition with the AlphaFold Database has always been to democratize access to foundational biology at scale,” said Risha Patel, life sciences partnerships manager at Google DeepMind. “This collaboration to bring thousands of viral complexes into the database will equip scientists around the world with insights they need to help prepare for future outbreaks.”
NVIDIA is also openly releasing the
BioNeMo Structure Prediction Pipeline
, the GPU-accelerated workflow used to generate the dataset, so researchers can go from protein sequence to predicted 3D structure for their own targets.
Preparation for the next pandemic must begin now. An analysis by the Center for Global Development estimates a
roughly 50% chance
of the world facing a pandemic as severe as COVID-19 by 2050.
“When the next pandemic happens, there may be something that comes out of the blue, and we’ll be lacking the knowledge we had for COVID,” said Joe Grove, professor of molecular virology at the Medical Research Council-University of Glasgow Centre for Virus Research and a collaborator on the project. “What we’re trying to do is stockpile some of that knowledge ahead of time.”
About 30% of the protein interactions being added to the database are completely new to science, showing interaction shapes that have never been documented in the Protein Data Bank, the main repository of experimentally determined protein structures. This translates to new insights for the biological community to explore and harness to generate new knowledge.
“This database is an engine for hypothesis generation,” said Chris Dallago, applied research science team lead in digital biology at NVIDIA. “We’re enabling biologists and the AI community to investigate protein interactions, not just as single molecules but as complexes, so the whole field can move forward.”
Predicting Complex Protein Structures
Most proteins don’t work alone — they come together in complexes of multiple molecules to perform sophisticated functions. Those structures are often what a vaccine or drug must target to disrupt viral function.
Understanding the 3D structure of the COVID-19 virus’ spike protein, for example, proved foundational to vaccine design. For thousands of other viruses, no such structural knowledge exists today. This dataset begins to fill that gap.
Traditional methods for determining protein structures — crystallizing proteins and shooting X-rays at them — can take years and cost thousands of dollars per structure. AlphaFold2, which was optimized with
NVIDIA BioNeMo
to efficiently run on NVIDIA GPUs, predicts a structure in minutes and can be run in bulk. Scientists can then verify high-confidence predictions through experimental methods.
For this project, the team systematically worked through the protein structures of viral families known to infect humans, from common-cold viruses to emerging threats like Mpox.
A Global Collaboration With Global Access
The collaboration spans the Coalition for Epidemic Preparedness Innovations, EMBL-EBI, Google DeepMind, NVIDIA, Seoul National University, Sungkyunkwan University, the Swiss Institute of Bioinformatics and the University of Glasgow.
The dataset release — coinciding with a United Nations General Assembly meeting convened by the World Economic Forum on pandemic prevention, preparedness and response taking place this week in New York City — contributes to the AlphaFold Database, which now holds more than 260 million protein and protein complex predictions covering nearly every cataloged protein known to science.
“Making this data open is critical for understanding viral diagnostics and developing treatments and vaccines,” said Jo McEntyre, interim director of EMBL-EBI. “The dataset also covers lesser-studied viruses and lowers the barriers for scientists in low-resource settings who are confronting outbreaks firsthand.”
Predictions in the open dataset are labeled by confidence. The structures show what viral complexes may look like and how individual proteins might interact within a viral proteome.
Overall, the new data represents a major contribution to the information available for scientists across digital biology and disease research.
“When I did my Ph.D., there were no structures for any of the proteins we were investigating. It was like working in the dark — we had to guess what was going on,” said Grove. “This dataset is a powerful tool for all the researchers doing their Ph.D.s now, giving them high-quality structural data that’s going to accelerate fundamental science.”
Explore the viral protein complex dataset on the
AlphaFold Database Pandemic Preparedness Portal
, predict structures for protein targets with the
BioNeMo Structure Prediction Pipeline
, and learn more about
NVIDIA BioNeMo
.