W ludzkim ciele znajduje się ponad 20 000 różnych białek. Brytyjska firma DeepMind opublikowała przewidywane struktury białkowe dla prawie każdego białka znajdującego się w ludzkim ciele za darmo w internecie. Stworzenie nowej bazy danych, która zawiera również trójwymiarowe struktury proteomów dwudziestu innych organizmów, była możliwa dzięki AlphaFold. To sztuczna inteligencja firmy DeepMind, która jest spółką zależną firmy Alphabet, należącej do korporacji Google. Zespół DeepMind, w ramach badania opublikowanego w Nature, udostępnił 365 000 prognoz struktur różnego rodzaju białek wraz z kodem źródłowym samego narzędzia, czyli AlphaFold.
Sztuczna inteligencja AlphaFold deklasuje konkurencję
Sztuczna inteligencja AlphaFold zaszokowała świat nauki zeszłej zimy, kiedy wygrała konkurs CASP (Critical Assessment of Protein Structure Prediction), dokładnie przewidując struktury dwóch trzecich konkursowych białek. Przewidywanie konformacji białka na podstawie samej jego sekwencji jest wyjątkowo trudne ze względu na wiele sposobów, w jakie łańcuch aminokwasów może się układać. A eksperymentalne określenie struktury białka jest kłopotliwe. Ponieważ do tej pory potwierdzono mniej niż 17% struktur w ludzkim proteomie, naukowcy twierdzą, że opublikowanie dokładnych prognoz wszystkich ludzkich białek oznacza ogromny postęp.
A to nie koniec rewolucji, AlphaFold ma opublikować 130 milionów prognoz dotyczących struktury białek do końca roku. Nowe technologie, umożliwiające przewidywania i wczesne wykrywanie są przyszłością wielu dziedzin medycyny. Pisaliśmy o tym na przykład w tekście „Algorytm pomaga wykryć niewydolność serca z miesięcznym wyprzedzeniem”.
Alberto Perez, biolog strukturalny z University of Florida, który nie był zaangażowany w te badania, mówi, że „udostępnienie wszystkich tych struktur znacznie popycha naukę do przodu”. Naukowiec uczestniczy w konkursie CASP od ponad dekady. Twierdzi, że oprócz umożliwienia wglądu w funkcjonowanie tych białek, nowe osiągnięcie otwiera szeroko drzwi dla biologów eksperymentalnych i „będzie to bardzo ekscytujące”.
Aby udostępnić te ogromne zasoby danych, DeepMind nawiązał współpracę z Europejskim Laboratorium Biologii Molekularnej (EMBL). Sameer Velankar, bioinformatyk strukturalny, który kieruje Protein Data Bank w Europie EMBL, opisuje ten moment jako „ruch genomu ludzkiego na rzecz biologii strukturalnej”. Chociaż wiele struktur AlphaFold jest bardzo dokładnych, Velankar zauważył, że nadal są to tylko przewidywania, które muszą zostać jeszcze potwierdzone eksperymentalnie. Ponadto wiele z tych białek działa w połączeniu z innymi białkami, kwasami nukleinowymi lub małymi cząsteczkami, a konformacje białek związane z tymi parami nie są reprezentowane w tej bazie danych. Mimo tych zastrzeżeń, Velankar uważa, że „nadal jest to bardzo, bardzo ważne”.
Sztuczna inteligencja AlphaFold pomoże w badaniach nad chorobami
Amy Diallo, która bada choroby zakaźne na Uniwersytecie Kalifornijskim w San Francisco (UCSF) zauważa, że każdej prognozie AlphaFold towarzyszy wynik dokładności, „więc jest to naprawdę uspokajające”. Nawet niski wynik może pomóc naukowcom, zapewniając początkową strukturę, która jest jednym z wąskich gardeł w biologii strukturalnej. Ten pierwszy szkic może służyć jako punkt wyjścia do badań eksperymentalnych w celu potwierdzenia struktury.
Diallo była częścią grupy UCSF, która niedawno użyła AlphaFold, aby lepiej zrozumieć, w jaki sposób jedno z kluczowych białek SARS-COV-2 oddziałuje z białkami ludzkimi. Badała również białka związane z chlamydią i gruźlicą, ale jej badania natrafiły na przeszkodę. Nie znając struktury kluczowego ludzkiego białka, które za cel obrało biało bakteryjne chlamydii, nie mogła kontynuować badań. Teraz, dzięki strukturze, którą przewidziała sztuczna inteligencja AlphaFold, Diallo ponownie może wrócić do badań nad tą chorobą.
Nowo dostępne struktury pomogą w zrozumieniu istniejących białek. Ponieważ biolodzy wykorzystują struktury białkowe, aby uzyskać wgląd w ich funkcjonowanie, David Baker z University of Washington uważa, że „te nowe metody głębokiego uczenia się będą miały duży wpływ na projektowanie białek”. Jego grupa niedawno wydała własne oprogramowanie do przewidywania struktury białek oparte na sztucznej inteligencji – RoseTTAFold. Baker mówi, że „to ekscytujący czas, który zdecydowanie otwiera nową erę dla biologii”.
AI jest przyszłością wielu dziedzin medycyny, pisaliśmy o tym m.in. na naszym blogu w tekście „Sztuczna inteligencja pomoże kształcić studentów medycyny”.
Źródło: Chemical & Engineering News