Ερευνητές του εργαστηρίου τεχνητής νοημοσύνης DeepMind Technologies ανακοίνωσαν ότι έχουν προβλέψει τη δομή σχεδόν όλων των γνωστών πρωτεϊνών, με τη βοήθεια της τεχνητής νοημοσύνης.
Πρόκειται για ένα ιστορικό βήμα για την επιστήμη της βιολογίας που αναμένεται να επιταχύνει την ανακάλυψη φαρμάκων και να βοηθήσει στην αντιμετώπιση προβλημάτων όπως η βιωσιμότητα και η επισιτιστική ανασφάλεια.
Το εργαστήριο με έδρα το Λονδίνο, θυγατρική της μητρικής εταιρείας της Google, Alphabet, ανέπτυξε τον αλγόριθμο AlphaFold που προβλέπει την τρισδιάστατη δομή των πρωτεϊνών, μορίων που βρίσκονται σε όλους τους ζωντανούς οργανισμούς και παίζουν ουσιαστικό ρόλο στη λειτουργία των κυττάρων.
Το τιτάνιο έργο ξεκίνησε το 2016 και τον περασμένο Ιούλιο, η DeepMind κυκλοφόρησε μια βάση δεδομένων με σχεδόν ένα εκατομμύριο προβλεπόμενες πρωτεΐνες, επιτρέποντας σε ερευνητές και εργαστήρια σε όλο τον κόσμο να τη χρησιμοποιήσουν για οποιονδήποτε σκοπό.
Η DeepMind είναι γνωστή για μια σειρά πρωτοποριακών μοντέλων τεχνητής νοημοσύνης, όπως το AlphaGo, που είχε γίνει «μάστερ» στο πολύπλοκο παιχνίδι Go νικώντας κορυφαίους παίκτες.
Την Πέμπτη, η DeepMind δήλωσε ότι διεύρυνε τη βάση δεδομένων ώστε να περιλαμβάνει 214 εκατομμύρια πιθανές πρωτεΐνες, δηλαδή σχεδόν όλες τις πρωτεΐνες που είναι γνωστές στην επιστήμη. Αυτό περιλαμβάνει όλες τις πρωτεΐνες στο ανθρώπινο σώμα, καθώς και πρωτεΐνες που βρίσκονται σε ζώα, φυτά, βακτήρια και πολλούς άλλους οργανισμούς.
Η κατανόηση της δομής μιας πρωτεΐνης είναι ζωτικής σημασίας για την κατανόηση της λειτουργίας της, σύμφωνα με τον Demis Hassabis, συνιδρυτή και διευθύνοντα σύμβουλο της DeepMind. Μέχρι τώρα, αυτή η μοντελοποίηση απαιτούσε χρονοβόρες και δαπανηρές πειραματικές μεθοδολογίες, όπως οι τεχνικές ακτίνων Χ.
«Όταν εγκαινιάσαμε τη βάση δεδομένων τον περασμένο Ιούλιο, αναγνωρίστηκε ως ένα αρκετά μεγάλο άλμα προς τα εμπρός για τη βιολογία, και νομίζω ότι ήταν επίσης μια σημαντική επίδειξη του πώς η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την προώθηση των επιστημονικών ανακαλύψεων. Μπορείτε να αναζητήσετε μια τρισδιάστατη δομή μιας πρωτεΐνης σχεδόν τόσο εύκολα όσο και να κάνετε μια αναζήτηση με λέξεις-κλειδιά στο Google", δήλωσε ο Δρ. Hassabis.
Η προσπάθεια μοντελοποίησης των πρωτεϊνών, που βρίσκεται σε εξέλιξη εδώ και δεκαετίες, επιταχύνθηκε σημαντικά από τον αλγόριθμο AlphaFold, σύμφωνα με τον Ewan Birney, αναπληρωτή γενικό διευθυντή του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας και διευθυντή του Ευρωπαϊκού Ινστιτούτου Βιοπληροφορικής του EMBL, το οποίο συνεργάστηκε στο έργο.
«Αυτό το πρόβλημα ήταν τόσο δύσκολο, για τόσο πολύ καιρό», δήλωσε ο Δρ. Birney.
Κατά τη διάρκεια του περασμένου έτους, επιστήμονες του Πανεπιστημίου της Οξφόρδης χρησιμοποίησαν τον AlphaFold για να προωθήσουν την έρευνά τους σχετικά με τα εμβόλια θέλοντας να σταματήσουν την εξάπλωση της ελονοσίας, η οποία σκοτώνει εκατοντάδες χιλιάδες ανθρώπους παγκοσμίως κάθε χρόνο, σύμφωνα με τον Matthew Higgins, καθηγητή μοριακής παρασιτολογίας.
Χρησιμοποίησαν παλαιότερες μεθόδους για να μελετήσουν μια πρωτεΐνη της ελονοσίας που ονομάζεται Pfs48/45. Ποτέ δεν ήμασταν σε θέση να δούμε με επαρκή λεπτομέρεια πώς μοιάζει αυτό το μόριο, παρά τα πολλά χρόνια εργασίας. Είχαμε μια πολύ ασαφή εικόνα του», παραδέχτηκε ο δρ. Higgins.
Ο μεταδιδακτορικός ερευνητής που ασχολήθηκε με το πρόβλημα, ήταν σε θέση να πάρει τη δομή της πρωτεΐνης που προέβλεψε ο AlphaFold και να τη συγκρίνει με την ασαφή άποψη του μορίου που προέκυψε από πειραματικές μεθόδους. Τα δύο μοντέλα ταίριαξαν υπέροχα μεταξύ τους και δημιούργησαν μια ευκρινή εικόνα του μορίου και του τρόπου λειτουργίας του, καθώς και του τρόπου σύνδεσης των αντισωμάτων με αυτό, σύμφωνα με τον Δρ. Higgins.
«Έτσι, η χρήση του AlphaFold πραγματικά «μεταμόρφωσε» την κατάσταση, δίνοντάς μας μια πραγματικά ευκρινή εικόνα αυτής της επιφανειακής πρωτεΐνης της ελονοσίας».
Ο AlphaFold είναι ένα σύστημα νευρωνικού δικτύου που εκπαιδεύτηκε σε γνωστά μοντέλα πρωτεϊνών και έμαθε να προβλέπει πρωτεΐνες από μόνο του.
«Πρόκειται για ένα απίστευτο ορόσημο -τόσο για την επιστήμη όσο και για την Τεχνητή Νοημοσύνη. Αποτελεί παράδειγμα του ρόλου της ΑΙ ως εργαλείου για την επιστημονική ανακάλυψη και, πραγματικά, σε μια κλίμακα που δεν είχε επιχειρηθεί ποτέ στο παρελθόν», δήλωσε ο Shrikanth Narayanan, καθηγητής μηχανικής στο Πανεπιστήμιο της Νότιας Καλιφόρνια.
Ο Δρ. Narayanan δήλωσε ότι η πρόσβαση της επιστημονικής κοινότητας στις βάσεις δεδομένων του AlphaFold έχει τη δυνατότητα να επιδράσει καταλυτικά στην έρευνα και τις κλινικές προόδους παγκοσμίως.
Με πληροφορίες από Wall Street Journal
