Ένας προηγμένος αλγόριθμος που αναπτύχθηκε από το Google DeepMind βοήθησε στην επίλυση ενός από τα μεγαλύτερα άλυτα μυστήρια της βιολογίας. Το AlphaFold στοχεύει να προβλέψει τις τρισδιάστατες δομές των πρωτεϊνών με βάση τον «κώδικα οδηγιών» στα δομικά στοιχεία τους. Η τελευταία αναβάθμιση κυκλοφόρησε πρόσφατα. Η τελευταία αναβάθμιση κυκλοφόρησε πρόσφατα.
Οι πρωτεΐνες είναι απαραίτητα συστατικά των ζωντανών οργανισμών και συμμετέχουν ουσιαστικά σε κάθε διαδικασία στα κύτταρα. Ωστόσο, τα σχήματά τους είναι συχνά πολύπλοκα και δύσκολα οπτικά. Η ικανότητα πρόβλεψης των τρισδιάστατων δομών τους προσφέρει επομένως πληροφορίες για τις διαδικασίες μέσα στα έμβια όντα, συμπεριλαμβανομένων των ανθρώπων.
Αυτό ανοίγει νέες ευκαιρίες για την ανάπτυξη φαρμάκων για τη θεραπεία ασθενειών. Αυτό με τη σειρά του ανοίγει νέες δυνατότητες στη λεγόμενη μοριακή ιατρική. Εδώ, οι επιστήμονες προσπαθούν να εντοπίσουν τις αιτίες των ασθενειών σε μοριακό επίπεδο και να αναπτύξουν θεραπείες για να τις διορθώσουν σε μοριακό επίπεδο.
Η πρώτη έκδοση του εργαλείου AI της DeepMind παρουσιάστηκε το 2018. Η τελευταία έκδοση που κυκλοφόρησε φέτος είναι η AlphaFold3. Η Critical Assessment of Structure Prediction (Casp), ένας παγκόσμιος διαγωνισμός για την αξιολόγηση νέων μεθόδων για την πρόβλεψη της δομής των πρωτεϊνών, διεξάγεται κάθε δύο χρόνια από το 1994. Το 2020, ο διαγωνισμός Casp μπόρεσε να δοκιμάσει το AlphaFold2 και εντυπωσιάστηκε πολύ. Από τότε, οι ερευνητές περίμεναν με ανυπομονησία κάθε νέα έκδοση του αλγορίθμου.
Ωστόσο, ως φοιτητής μεταπτυχιακού, με επέπληξαν μια φορά που χρησιμοποίησα το AlphaFold2 σε κάποια από τα μαθήματά μου. Αυτό συνέβη επειδή θεωρήθηκε μόνο ως εργαλείο πρόβλεψης. Με άλλα λόγια, πώς θα μπορούσε κάποιος να γνωρίζει εάν το αποτέλεσμα της πρόβλεψης ταίριαζε με την πραγματική πρωτεΐνη χωρίς πειραματική επαλήθευση;
Αυτή είναι μια νόμιμη ένσταση. Το πεδίο της πειραματικής μοριακής βιολογίας γνώρισε τη δική του επανάσταση την τελευταία δεκαετία, με σημαντικές προόδους σε μια τεχνική μικροσκοπίου που ονομάζεται κρυοηλεκτρονική μικροσκοπία (cryo-EM), η οποία χρησιμοποιεί παγωμένα δείγματα και ήπιες δέσμες ηλεκτρονίων για να συλλάβει τις δομές των βιομορίων σε υψηλή ανάλυση .
Το πλεονέκτημα των εργαλείων τεχνητής νοημοσύνης όπως το AlphaFold είναι ότι μπορούν να λύσουν πρωτεϊνικές δομές πολύ πιο γρήγορα (μέσα σε λίγα λεπτά) και σχεδόν δωρεάν. Τα αποτελέσματα είναι πιο εύκολα διαθέσιμα και προσβάσιμα στο διαδίκτυο παγκοσμίως. Μπορούν επίσης να προβλέψουν τη δομή των πρωτεϊνών που είναι εμφανώς δύσκολο να επαληθευτούν πειραματικά, όπως οι πρωτεΐνες μεμβράνης.
Ωστόσο, το AlphaFold2 δεν σχεδιάστηκε για να μελετήσει τη λεγόμενη τεταρτοταγή δομή των πρωτεϊνών, στην οποία πολλαπλές πρωτεϊνικές υπομονάδες σχηματίζουν μια μεγαλύτερη πρωτεΐνη. Αυτή είναι μια δυναμική απεικόνιση της αναδίπλωσης διαφορετικών μονάδων του μορίου πρωτεΐνης. Και ορισμένοι ερευνητές ανέφεραν ότι μερικές φορές φαινόταν να έχει δυσκολία να προβλέψει τα δομικά στοιχεία των πρωτεϊνών, που ονομάζονται πηνία.
Όταν ο καθηγητής μου επικοινώνησε μαζί μου τον Μάιο για να μοιραστεί την είδηση ότι το AlphaFold3 είχε κυκλοφορήσει, η πρώτη μου ερώτηση ήταν αν ήταν ικανό να προβλέψει τεταρτοταγείς δομές. Είχε επιτυχία; Θα μπορούσαμε τώρα να κάνουμε το μεγάλο βήμα προς την πρόβλεψη μιας ολοκληρωμένης δομής; Οι πρώτες πληροφορίες δείχνουν ότι οι απαντήσεις σε αυτά τα ερωτήματα είναι θετικές.
Οι πειραματικές μέθοδοι είναι πιο αργές. Και όταν είναι σε θέση να συλλάβουν την τρισδιάστατη δομή των μορίων, είναι περισσότερο σαν να κοιτάζουν ένα άγαλμα – ένα στιγμιότυπο της πρωτεΐνης – παρά να το βλέπουν να κινείται και να αλληλεπιδρά για να πραγματοποιεί ενέργειες στο σώμα. Με άλλα λόγια: Θέλουμε ταινία, όχι φωτογραφία.
Οι πειραματικές μέθοδοι έχουν επίσης παραδοσιακά παλέψει με πρωτεΐνες μεμβράνης – σημαντικά μόρια που συνδέονται ή συνδέονται με τις μεμβράνες των κυττάρων. Αυτά είναι συχνά ζωτικής σημασίας για την κατανόηση και τη θεραπεία πολλών από τις πιο σοβαρές ασθένειες.
Αυτό είναι όπου το AlphaFold3 θα μπορούσε πραγματικά να αλλάξει το τοπίο. Εάν μπορεί να προβλέψει τεταρτοταγείς δομές σε επίπεδο ίσο ή ακόμα και ανώτερο από πειραματικές μεθόδους όπως η κρυσταλλογραφία, η κρυο-ΕΜ και άλλες, και εάν μπορεί να απεικονίσει τις πρωτεΐνες της μεμβράνης καλύτερα από τον ανταγωνισμό, τότε θα είμαστε στην κούρσα μας προς την αληθινή μοριακή η ιατρική κάνει πραγματικά ένα τεράστιο άλμα προς τα εμπρός.
Το AlphaFold3 είναι προσβάσιμο μόνο από διακομιστή DeepMind, αλλά είναι εύκολο στη χρήση. Οι ερευνητές μπορούν εύκολα να ανακτήσουν τα αποτελέσματά τους από την ακολουθία μέσα σε λίγα λεπτά. Η άλλη υπόσχεση του AlphaFold3 είναι η περαιτέρω αναστάτωση. Η DeepMind δεν είναι μόνη στις φιλοδοξίες της να λύσει το πρόβλημα της αναδίπλωσης των πρωτεϊνών. Καθώς πλησιάζει ο επόμενος διαγωνισμός Casp, υπάρχουν άλλοι που θέλουν να κερδίσουν τον αγώνα. Για παράδειγμα, ο Liam McGuffin και η ομάδα του στο Πανεπιστήμιο του Reading σημειώνουν πρόοδο στην αξιολόγηση της ποιότητας και στην πρόβλεψη της στοιχειομετρίας των πρωτεϊνικών συμπλεγμάτων. Η στοιχειομετρία αναφέρεται στις αναλογίες στις οποίες αντιδρούν στοιχεία ή χημικές ενώσεις μεταξύ τους.
Δεν επιδιώκουν όλοι οι επιστήμονες σε αυτόν τον τομέα τον στόχο με τον ίδιο τρόπο. Άλλοι προσπαθούν να λύσουν παρόμοιες προκλήσεις σχετικά με την ποιότητα των τρισδιάστατων μοντέλων ή συγκεκριμένα εμπόδια, όπως αυτά που παρουσιάζουν οι πρωτεΐνες μεμβράνης. Ο ανταγωνισμός για να σημειωθεί πρόοδος σε αυτόν τον τομέα ήταν μεγάλος.
Ωστόσο, οι πειραματικές μέθοδοι δεν θα εξαφανιστούν σύντομα, ούτε θα έπρεπε. Η πρόοδος στην κρυοηλεκτρονική μικροσκοπία είναι αξιέπαινη και η κρυσταλλογραφία ακτίνων Χ συνεχίζει να παρέχει την καλύτερη ανάλυση των βιομορίων. Το ευρωπαϊκό λέιζερ XFEL στη Γερμανία θα μπορούσε να φέρει την επόμενη σημαντική ανακάλυψη. Αυτές οι τεχνολογίες θα συνεχίσουν να βελτιώνονται.
Η μεγαλύτερη ερώτησή μου καθώς εξερευνούμε αυτό το νέο πεδίο είναι αν το ανθρώπινο ένστικτό μας να υποχωρήσουμε μέχρι να έχουμε απόλυτη απόδειξη θα υποχωρήσει με το AlphaFold. Εάν αυτή η νέα τεχνολογία είναι σε θέση να παράγει αποτελέσματα συγκρίσιμα ή ακόμη καλύτερα από πειραματικές επαληθεύσεις, θα είμαστε διατεθειμένοι να την αποδεχτούμε; Εάν ναι, η ταχύτητα και η ακρίβειά τους θα μπορούσαν να έχουν σημαντικές επιπτώσεις σε τομείς όπως η ανάπτυξη φαρμάκων.
Με το AlphaFold3, μπορεί να έχουμε ξεπεράσει, για πρώτη φορά, το μεγαλύτερο εμπόδιο στην επανάσταση της πρόβλεψης πρωτεϊνών. Τι θα κάνουμε για αυτόν τον νέο κόσμο; Και τι φάρμακο μπορούμε να φτιάξουμε με αυτό;
Αυτό το άρθρο αναδημοσιεύεται από το The Conversation με άδεια Creative Commons. Διαβάστε το αρχικό άρθρο.
Ο Sam McKee δεν εργάζεται, δεν συμβουλεύεται, δεν κατέχει μετοχές ή δεν λαμβάνει μετοχές από οποιαδήποτε εταιρεία ή οργανισμό που θα επωφεληθεί από αυτό το άρθρο καμία τέτοια εταιρεία ή οργανισμό και δεν έχει αποκαλύψει σχετικές σχέσεις πέρα από την ακαδημαϊκή του απασχόληση.