Sadržaj
Unutar svake stanice nalaze se milijuni proteina. Te su biomolekule odgovorne za održavanje napredovanja gotovo svih funkcija organizma. Stoga je razumijevanje funkcioniranja proteina ujedno i razumijevanje funkcioniranja stanica. U tom smislu, tvrtka DeepMind upotrijebila je umjetnu inteligenciju za rješavanje starog problema u biologiji: trodimenzionalnog oblika proteina.
(Slika Jawahar Swaminathan)
Ispada da su ove biomolekule prilično velike. Često tisuće aminokiselina čine protein. U tom smislu, upravo zbog toga, teško je predvidjeti oblik ove vrste molekule samo na temelju komponenti. Ono što su istraživači učinili bilo je korištenje umjetne inteligencije tvrtke za predviđanje oblika proteina.
Rezultati su, dakle, imali više od 90% sličnosti između stvarnog oblika i onog koji je predložila umjetna inteligencija. Ova vrsta predviđanja počela se testirati 1990. Zapravo, donedavno se vjerovalo da će trodimenzionalnom predviđanju proteina trebati još desetke godina da postane održivo. DeepMindova otkrića stoga predstavljaju revoluciju u najnovijim dostignućima u bioinformatici.
Proteini rade trodimenzionalno
Možda ste već čuli da proteini rade pod modelom ključa i brave. tj.proteini i receptori povezani su zajedno, poput ključa i brave. Međutim, stvarni sustav je mnogo složeniji od toga. Reakcije s proteinima ovise o biokemijskim kaskadama i vrlo specifičnim uvjetima. Ove varijacije omogućuju stotine trodimenzionalnih interakcija između molekula. Zbog toga je trodimenzionalni oblik proteina tako važan. To je zato što njihov rad ovisi o "okovima".
Međutim, vraćajući se osnovama, proteini reguliraju ekspresiju gena, proizvodnju esencijalnih spojeva, probavu hrane i bezbrojne druge funkcije. Na primjer, sjetite se proteina laktaze. Ona je odgovorna za vezanje na laktozu, prisutnu u mliječnim derivatima, i razbijanje ove molekule. Kada osoba ne proizvodi pravilno enzim laktazu, javlja se intolerancija na laktozu.
Mnoge druge bolesti uzrokovane su ovom vrstom problema. Nadalje, drugi poremećaji povezani su s esencijalnim proteinima. Stoga DeepMind tehnologija može pomoći u razvoju novih tretmana za stotine bolesti. Nadalje, istraživači su testirali algoritam na jednom od proteina koje koristi Sars-CoV-2. Rezultati su također bili više od 90% sličnosti predviđanja s izvornim proteinom.
Povijesni napredak
Oko 1990 CASP projekt (Kritička procjena strukture proteinaPredviđanje) započelo. Cilj ovog rada bio je konkretno predvidjeti kako protein dobiva trodimenzionalni oblik koji promatramo. Do tog se vremena vjerovalo da bi ovoj vrsti mapiranja mogla biti potrebna tisućljeća da bi se učinkovito ostvarila.
Međutim, poput mnogih znanosti, biologija je bila duboko povezana s informatikom. Statistička analiza omogućuje umjetnoj inteligenciji pokretanje milijuna ili čak milijardi simulacija u kratkim vremenskim razdobljima. Ovo je uvelike ubrzalo tempo znanstvenih otkrića, ne samo u biologiji, već iu kemiji, fizici i medicini.
Nastavkom projekta CASP, DeepMind je probio povijesnu barijeru. To je zato što su sve do sada napravljene simulacije imale puno niže razine sličnosti od rezultata ove umjetne inteligencije, oko 50%.
