Πίνακας περιεχομένων
Αυτά τα βιομόρια είναι υπεύθυνα για τη λειτουργία σχεδόν όλων των λειτουργιών ενός οργανισμού, οπότε η κατανόηση του τρόπου λειτουργίας των πρωτεϊνών σημαίνει κατανόηση του τρόπου λειτουργίας των κυττάρων. Η DeepMind χρησιμοποίησε τεχνητή νοημοσύνη για να λύσει ένα μακροχρόνιο βιολογικό πρόβλημα: το τρισδιάστατο σχήμα ενόςπρωτεΐνη.

(Εικόνα από τον Jawahar Swaminathan)
Αποδεικνύεται ότι αυτά τα βιομόρια είναι αρκετά μεγάλα. Συχνά χιλιάδες αμινοξέα συνθέτουν μια πρωτεΐνη, γι' αυτό ακριβώς είναι τόσο δύσκολο να προβλεφθεί το σχήμα αυτών των μορίων με βάση τα συστατικά τους και μόνο. Αυτό που έκαναν οι ερευνητές ήταν να χρησιμοποιήσουν την τεχνητή νοημοσύνη της εταιρείας για να προβλέψουν το σχήμα των πρωτεϊνών.
Τα αποτελέσματα, λοιπόν, ήταν πάνω από 90% ομοιότητα μεταξύ της πραγματικής μορφής και αυτής που πρότεινε η τεχνητή νοημοσύνη. Αυτό το είδος πρόβλεψης άρχισε να δοκιμάζεται τη δεκαετία του '90. Μάλιστα, μέχρι πρόσφατα πίστευαν ότι η τρισδιάστατη πρόβλεψη των πρωτεϊνών θα χρειαζόταν δεκάδες χρόνια ακόμη μέχρι να γίνει εφικτή. Τα συμπεράσματα της DeepMind, λοιπόν, αποτελούν μια επανάσταση στην κατάσταση τηςτέχνη στη βιοπληροφορική.
Οι πρωτεΐνες λειτουργούν τρισδιάστατα
Μπορεί να έχετε ακούσει ότι οι πρωτεΐνες λειτουργούν με το μοντέλο κλειδαριάς και κλειδιού. Δηλαδή, οι πρωτεΐνες και οι υποδοχείς συνδέονται μεταξύ τους, μάλλον σαν κλειδί και κλειδαριά. Ωστόσο, το πραγματικό σύστημα είναι πολύ πιο πολύπλοκο από αυτό. Οι αντιδράσεις με τις πρωτεΐνες εξαρτώνται από βιοχημικούς καταρράκτες και πολύ συγκεκριμένες συνθήκες. Αυτές οι παραλλαγές επιτρέπουν εκατοντάδες αλληλεπιδράσειςΑυτός είναι ο λόγος για τον οποίο το τρισδιάστατο σχήμα των πρωτεϊνών είναι τόσο σημαντικό. Αυτό συμβαίνει επειδή εξαρτώνται από το ότι "ταιριάζουν μεταξύ τους" για να λειτουργήσουν.
Πίσω στα βασικά, ωστόσο, οι πρωτεΐνες ρυθμίζουν την έκφραση των γονιδίων, την παραγωγή βασικών ενώσεων, την πέψη των τροφών και αμέτρητες άλλες λειτουργίες. Για να δώσουμε ένα παράδειγμα, σκεφτείτε την πρωτεΐνη λακτάση. Είναι υπεύθυνη για τη σύνδεση με τη λακτόζη, που υπάρχει στα γαλακτοκομικά προϊόντα, και τη διάσπαση αυτού του μορίου. Όταν ένα άτομο δεν παράγει σωστά το ένζυμο λακτάση, εμφανίζεται δυσανεξία στη λακτόζη.λακτόζη.
Πολλές άλλες ασθένειες προκαλούνται από αυτό το είδος του προβλήματος. Επιπλέον, άλλες διαταραχές σχετίζονται με βασικές πρωτεΐνες. Ως εκ τούτου, η τεχνολογία DeepMind μπορεί να βοηθήσει στην ανάπτυξη νέων θεραπειών για εκατοντάδες ασθένειες. Επιπλέον, οι ερευνητές δοκίμασαν τον αλγόριθμο σε μία από τις πρωτεΐνες που χρησιμοποιεί ο Sars-CoV-2. Τα αποτελέσματα ήταν επίσης πάνω από 90% ομοιότητα τωνπρόβλεψη με την αρχική πρωτεΐνη.
Μια ιστορική ανακάλυψη
Γύρω στο 1990 ξεκίνησε το πρόγραμμα CASP (Critical Assessment of protein Structure Prediction), το οποίο είχε ως στόχο να προβλέψει συγκεκριμένα τον τρόπο με τον οποίο μια πρωτεΐνη αποκτά το τρισδιάστατο σχήμα που παρατηρούμε. Μέχρι τότε, πίστευαν μάλιστα ότι αυτό το είδος χαρτογράφησης θα μπορούσε να πάρει χιλιετίες για να γίνει αποτελεσματικά.
Ωστόσο, όπως και πολλές άλλες επιστήμες, η βιολογία έχει συνδεθεί στενά με την επιστήμη των υπολογιστών. Οι στατιστικές αναλύσεις επιτρέπουν σε μια τεχνητή νοημοσύνη να εκτελεί εκατομμύρια ή και δισεκατομμύρια προσομοιώσεις σε σύντομο χρονικό διάστημα. Αυτό έχει επιταχύνει σημαντικά τον ρυθμό των επιστημονικών ανακαλύψεων, όχι μόνο στη βιολογία, αλλά και στη χημεία, τη φυσική και την ιατρική.
Με τη συνέχιση του έργου CASP, η DeepMind έσπασε ένα ιστορικό φράγμα, διότι όλες οι προσομοιώσεις που είχαν πραγματοποιηθεί μέχρι σήμερα είχαν επίπεδα ομοιότητας πολύ χαμηλότερα από τα αποτελέσματα αυτής της τεχνητής νοημοσύνης, περίπου 50%.