AI DeepMind rozwiązała istniejący od 50 lat problem w zakresie zwijania białek
Niektóre zastosowania sztucznej inteligencji są tak samo imponujące, jak w gruncie rzeczy bezużyteczne, ale inne potrafią przynieść przełom w leczeniu poważnych chorób i z takim mamy właśnie do czynienia.
Należący do Alphabet podmiot DeepMind, a konkretniej jego sztuczna inteligencja, zaprezentowała właśnie swoje wyjątkowe umiejętności. A mowa o systemie, który jest zdolny do przewidywania struktur 3D unikatowych białek, przezwyciężając tym samym problem, który blokuje biologów od ponad 50 lat. Przez zrozumienie kształtów 3D różnych białek, naukowcy są w stanie lepiej poznać ich działania, a także sposób wywoływanie przez nie chorób, co z kolei prowadzi do stworzenia skuteczniejszych leków. Poza tym, jako że białko jest centralnym składnikiem procesów chemicznych wszystkich żywych organizmów, lepsze mapowanie struktur 3D może przynieść korzyści na wielu polach badań biologicznych.
Wszystko dlatego, że choć współczesne narzędzia naukowe, jak rentgenografia strukturalna czy mikroskopia krioelektronowa pozwalają badaczom studiować te struktury z niespotykaną dotąd precyzją, ale wciąż polegają na metodzie prób i błędów. Białka są bowiem zbudowane z jednowymiarowych łańcuchów aminokwasów, które następnie zwijają się w ostateczną strukturę 3D, która jest jednak dla naukowców niespodzianką. A przynajmniej były, bo dzięki sztucznej inteligencji DeepMind będą w stanie przewidzieć, jak będzie wyglądał efekt końcowy - to tzw. problem zwijania białka, który nurtuje badaczy już od początku lat siedemdziesiątych ubiegłego wieku.
Głównie dlatego, że możliwych konfiguracji 3D jest tak wiele, że zdaniem naukowców potrzeba byłoby więcej czasu niż istnieje wszechświat, żeby ustalić je wszystkie z wykorzystaniem dzisiejszych sposobów. I tu do akcji wkracza właśnie AlphaFold, które zostało zaprojektowane do tego właśnie celu - pierwsza wersja została zaprezentowana w 2018 roku i choć już wtedy wykazywała się ogromną skutecznością, to teraz doczekała się wielu znaczących usprawnień. System został wytrenowany na ok. 170 tysiącach dostępnych publicznie struktur białkowych i ogromnej bazie danych nieznanych struktur białkowych, co pozwoliło mu osiągnąć wynik 92,4%, jeśli chodzi o skuteczność w powszechnie stosowanym teście Global Distance.
- Zdumiewająco dokładne modele AlphaFold pozwoliły rozwiązać nam strukturę proteinową, przy której utknęliśmy na blisko dekadę, ponownie uruchamiając nasze wysiłki na drodze do zrozumienia, jak sygnały są transmitowane między membranami komórki - tłumaczy profesor Andrei Lupas z Max Planck Institute. Podsumowując, AI pomoże naukowcom w identyfikowaniu źle funkcjonujących białek i powodów, które prowadzą do powstania pewnych chorób, otwierając nowe drogi dla rozwoju leków i szybkiego leczenia. Mogą także pomóc w opracowaniu enzymów do degradacji plastikowych śmieci czy przyszłych pandemiach, przewidują struktury nowych wirusów. Poza tym, pozwolą odkryć tajemnice obecnych struktur białkowych, które dotąd były dla nas zagadką.
Źródło: GeekWeek.pl/
