Bile su potrebne decenije mukotrpnih istraživanja da bi se mapirala struktura samo 17 odsto proteina koji se nalaze u ljudskom telu. Kompaniji sa sedištem u Britaniji, DeepMind, bilo je potrebno manje od godina dana da stigne do 98,5 posto. Svi ovi podaci sada su javno dostupni, što bi moglo dovesti do brzog napretka u razvoju novih lekova.
Utvrđivanje složenog i sabijenog oblika proteina na osnovu niza aminokiselina koje ih čine predstavljalo je veliku naučnu prepreku. Neke aminokiseline privlače druge, neke odbija voda, a lanci formiraju zamršene oblike koje je teško izračunati. Razumevanje ovih struktura omogućava proizvodnju novih, visoko preciznih lekova koji se vezuju za određene delove proteina.
Genetska istraživanja već dugo omogućavaju sekvenciranje proteina, ali efikasan način za definisanje oblika, ključnog za razumevanje njihovih svojstava, pokazao se nedostižnim. Iako su superračunari bili efikasni, nisu uspeli da ostvare značajan napredak. DeepMind je prošle godine dokazao da veštačka inteligencija (AI) brzo rešava problem. Njegova neuronska mreža AlphaFold trenirana je na delovima poznatih oblika proteina i naučena da definiše strukturu novih sekvenci.
Od tada kompanija primenjuje i dorađuje tehnologiju za hiljade proteina, počev od ljudskog proteoma, proteina relevantnih za kovid-19 i drugih koji će biti od koristi za preko potrebna istraživanja. Sada pohranjuje rezultate u bazu podataka kreiranu u partnerstvu sa Evropskom laboratorijom za molekularnu biologiju. DeepMind je mapirao strukturu 98,5 odsto od 20.000 proteina koliko ih ima ljudskom telu. Za 35,7 odsto proteina, algoritam je ostvario preko 90 odsto tačnosti u predviđanju njihovog oblika.
Kompanija je objavila više od 350.000 predviđanja strukture proteina, uključujući ona za 20 dodatnih organizama koji su važni za biološka istraživanja, od Escherichie coli do kvasca. Tim očekuje da će u roku od nekoliko meseci dodati gotovo svaki protein poznat nauci, dakle više od 100 miliona struktura. Džon Molt sa Univerziteta u Merilendu (SAD) kaže da je primena AI-a na proučavanje proteina donela „veliko iznenađenje“.
„To je toliko revolucionarno da je teško i pojmiti,“ kaže naučnik. „Ako radite na nekoj retkoj bolesti i nikada niste imali strukturu proteina, sada ćete imati informacije koje je bilo gotovo nemoguće dobiti.“ Demis Hasabis, izvršni direktor i osnivač DeepMind-a, kaže da AlphaFold, koji se sastoji od 32 odvojena algoritma, sada rešava oblike proteina za nekoliko minuta ili čak par sekundi, koristeći hardver koji nije složeniji od standardne grafičke kartice.
„Jednoj grafičkoj jedinici potrebno je nekoliko minuta da pročita jedan protein, za šta bi inače trebale godine eksperimentalnog rada,“ kaže Hasabis. „Zato ćemo ovu riznicu podataka pustiti u javnost. Sve je to prilično fascinantno, jer je od kreiranja sistema sposobnog za tako nešto do generisanja stvarnih podataka prošlo samo par meseci. Nadamo se da će ovo postati neka vrsta standardnog alata u službi biologa širom sveta.“
Hasabis veruje da će se preostalih 1,5 odsto ljudskih proteina, čija se struktura ne može pročitati, svesti na greške u sekvenci ili „nešto suštinsko u biologiji“, poput proteina koji su po svojoj prirodi neuredni ili nepredvidivi. Tim je istakao meru pouzdanosti pri svim predviđanjima strukture, što je po Hasabisu od vitalnog značaja za buduće istraživačke projekte.
(NewScientist-ZTP, foto: DeepMind)
