DeepMind, biyolojideki en büyük zorluklardan birini aşmış olabilir. DNA'nın çift sarmalının keşfine rakip olan bir tane. Biyotıp değiştirebilir, ilaç keşfive aşı geliştirme sonsuza kadar.
Gerçek başarı ilk bakışta çok daha az seksi geliyor. DeepMind'in AlphaFold adı verilen güçlü AI algoritmalarından biri, derin öğrenme becerisini bir proteinin üç boyutlu (3B) şeklini bir atom genişliğine kadar tahmin etmek için kullandı. Bu, 50 yıldır biyologları şaşırtan ve sayılan bir meydan okumadır - öyle ki bilgisayar tabanlı protein yapısı tahmini, kitle kaynaklı oyunlara, küresel yarışmalara ve bir Nobel Ödülü bir atılım arayışında.
Biz o dönüm noktasındayız. AlphaFold, adı verilen uzun soluklu bir mücadelede yaklaşık 100 diğer takımı geride bıraktı. Yapı Tahmininin Kritik Değerlendirmesiya da CASP, şaşırtıcı, dudak uçuklatan bir performansla. Konuşan Tabiat, Maryland Üniversitesi'nden CASP kurucu ortağı Dr. John Moult, “bir anlamda sorun çözüldü” dedi.
Dr. Muhammed AlQuraishi CASP'ye de katılan Columbia Üniversitesi, AI'yı dönüşümsel olarak övdü. "Bu, birinci dereceden bir ilerleme, kesinlikle hayatımın en önemli bilimsel sonuçlarından biri" dedi. Tabiat.
Ayrıca oyunlarda insanlardan daha iyi performans gösteren bir dizi algoritma ile üne kavuşan DeepMind için bir zafer olarak geliyor. Go gibi ve tüm Atari çamaşır listesi. Bununla birlikte, protein yapısı tahminindeki galibiyet, gerçek hayattaki göz kamaştırıcı başlangıcına işaret ediyor - bu, gerçek hayattaki ikilemler için yapay zekanın değerindeki olumsuz bilgeliği ortadan kaldırıyor.
DeepMind, protein katlama oyunundaki tek yarışmacı değil. AlphaFold biyolojik verilere ve içgörülere dayanır. Bu hafta, bir grup deneysel bilim adamı teslim etti. Ekip, karmaşık bir protein topluluğunun genlerini taktiksel olarak değiştirerek ve sonucu gözlemleyerek, proteini son derece yüksek doğrulukla yeniden yapılandıran bir algoritma geliştirmeyi başardı.
Birlikte, paradigma değişimine hızlı bir şekilde gidiyoruz. "Bu ilacı değiştirecek" şuraya Max Planck Gelişimsel Biyoloji Enstitüsü'nden Dr. Andrei Lupas. Araştırmayı değiştirecek. Biyomühendisliği değiştirecek. O her şeyi değiştirecek."
Sorun ne?
Biyolojideki temel ilkelerden biri "yapı işlevi açıklar" dır. Örneğin, DNA'nın çift sarmal şeklinin keşfi, genetik bilginin nasıl kopyalanıp saklandığına dair içgörüleri fırlattı. Yapı olmadan, gen düzenlememiz olmazdı. DNA bilgisayarlarıya da depolama aygıtları.
Protein yapıları muhtemelen daha fazla değilse de o kadar bilgi içerir. Ama deşifre etmek çok daha zor. Hayatlarına, bir ipteki boncuklar gibi amino asit adı verilen doğrusal bileşenlerin şeritleri olarak başlarlar. Çoğunluğu gizemini koruyan son derece karmaşık biyofiziğe dayanan ip, kıvrılan ve dönen iplikler veya birbirini saran sarmallar gibi hassas şekillere katlanır. Bu yapıların çoğu bir megaplex olarak birleşir. Ancak o zaman yaşamı sürdürmek için amaçlandığı şekilde işlev görebilirler.
Bir proteinin yapısını bilirsek, onun işlevi hakkında bilgiye dayalı tahminlerde bulunabiliriz. Binlerce protein yapısını haritalandırarak, yaşamın biyolojisini deşifre etmeye ve onu manipüle etmenin yollarını bulmaya başlayabiliriz.
Covid-19 aşılarını alın. Virüsün hücrelerimizi istila etmek için kullandığı, virüsün yüzeyindeki "sivri uçlu" proteinlerin yapısını haritalamak önemli bir buluştu. Bir proteinin 3 boyutlu yapısını kilit olarak hayal edin. Kilidin şeklini haritalayabilirsek, onu bozmak için "anahtarlar" - ilaçlar veya aşılar - tasarlamak mümkündür. DeepMind'ın AlphaFold'un bunların peşinden gitti Mart ayında, tıpkı Covid-19 vakalarının dünya çapında hızla artmaya başlamasıyla birlikte, protein yapıları arttı.
Protein yapılarını ortaya çıkarmak için klasik "altın standart", X-ışını kristalografisi adı verilen son derece sıkıcı ve zor bir laboratuvar tekniğine dayanır. Bilim adamları esasen proteinleri hassas kristal benzeri yapılar halinde "dondururlar" ve şekillerini anlamak için X-ışınları, yüksek teknoloji mikroskoplar ve matematik kombinasyonunu kullanırlar. Ancak tüm proteinler analiz edilmek için "aniden dondurulamaz", bu da biyolojinin kodunu çözmek için Büyük Kanyon büyüklüğünde bir boşluk bırakıyor. "Nükleer manyetik rezonans spektroskopisi" gibi dostça olmayan isimleri olan diğer yöntemler de aynı derecede pahalı ve titizdir.
Ama olay şu. Bir 3B protein oluşturma talimatları, doğası gereği 1B amino asit dizilerinin içine gömülüdür. Nobel Ödülü'nü kazandı. Ve yapay zekanın iyi olduğu bir şey varsa, o da bizim cılız insan yeteneğimizin ötesinde karmaşık dizilerde kalıplar bulmaktır.
3D Satranç
CASP, halihazırda X-ışını kristalografisi kullanılarak tanımlanmış, ancak halka açık olmayan protein yapılarının kitle kaynaklı tahminlerine meydan okuyor. DeepMind, meydan okumaya yeni başlayan biri değil; 2018'de performansı, alanda uzun süredir çalışmış birçok akademik bilim insanını şok etti.
AlphaFold'un stratejisi, derin öğrenmeye dayandığı için bu yıl CASP'deki çoğu girişe benzer. Unutmayın: Proteinlerin yapı taşları olan amino asit dizileri, bir proteinin son 3B şekli hakkında veriler içerir ve bu, derin bir öğrenme yaklaşımı için mükemmel görünür.
DeepMind bir adım daha ileri gitti. Leviathan görevini üstlendiler veri eklemek modellerine fizik, geometri ve evrim tarihi hakkında. Yaklaşık 170,000 protein yapısının protein veri bankalarında eğitilen sinir ağı, daha sonra proteinin yapısını bir "3B harita" olarak yorumlayabilir ve gömülü ilişkileri veya örüntüleri analiz edebilir. AlphaFold, bu süreci yineleyerek "son derece hassas yapıları birkaç gün içinde belirleyebildi," yazdı Derin Düşünce.
Bunlar boş sözler değil. CASP'de, algoritma rakipleri utandırır. Tahminlerinin yaklaşık üçte ikisi, birkaç atomun benzer çözünürlüğünde deneysel verilerle karşılaştırılabilirdi. 90 üzerinden 100 akıllara durgunluk veren bir skor elde etti - diğer yarışmacıların üzerinde 25 puanlık büyük bir marj.
Daha Fazlası
Daha pratik olarak, AlphaFold'un başarısı, çoğu kanser ve diğer ciddi hastalıklarla ilgili olan önceden "ilaçlanamayan" proteinlere erişebilmemiz anlamına geliyor.
Neredeyse tüm ilaçlarımız, bir kilidin anahtarları gibi bir proteine kenetlenecek şekilde tasarlanmıştır. İlk adım, düşmanını tanımaktır; yani, proteinin savunmasız saldırı noktalarını bulmaya yönelik yapısı. Protein yapısını çözmek için yapay zeka tabanlı bir yönteme sahip olmak, on binlerce yeni ilaç hedefini hızla tarayabilir. "AlphaFold yeni bir araştırma alanı açacak," şuraya İngiltere'deki Avrupa Biyoinformatik Enstitüsü'nden Dame Janet Thornton, MIT Technology Review.
Ezici övgüler bir yana, iyileştirme için yer var. AlphaFold nispeten yavaştır bazı algoritmalarla karşılaştırıldığında Saniyeler içinde sonuç veren, ancak daha az doğruluk ödünleşimiyle. Ama daha da önemlisi, protein komplekslerinin deşifre edilmesiyle mücadele etti - kolektif bir işlevsel varlığa dönüşen çoklu bağımsız 3B yapı bloklarının mega yapıları. Bunlar biyolojide pek ender değildir - örneğin beyin hücrelerimizdeki kimyasal reseptörlerin çoğu bu yapılara dayanır. 3D yapılarının vücudun durumuna göre değişebilmesi açısından şekil değiştiren mega-Rubik küpleri gibidirler. Örneğin, kapalı bir tünel şeklindeki bir mega-protein, yüzeyine yerleştirilmiş bir kimyasalı algıladığında açılabilir - beyinlerimizin çalışma şeklinin merkezinde olan bir süreç.
Artı tarafı? DeepMind'ın yardımı var. Bu hafta, bir takım aldı ayrı bir yaklaşım canlı hücrelerdeki protein komplekslerini analiz etmek için - AlphaFold'un henüz hakim olmadığı bir şey. Can sıkıcı soruna yaklaşımları, 3 boyutlu protein katlanması hakkında bilgi içeren amino asit zincirlerinin yapımına rehberlik eden plan olan genlere geri döndü.
Bu aynı zamanda kullanıma hazır bir fikir. Ekip, canlı hücrelerde protein oluşturan bir gen için binlerce mutasyonu hızla tarayabileceklerini keşfetti. Ortaya çıkan protein komplekslerinin yapısını gözlemleyerek, bir mutasyonun diğerini nasıl etkilediğini belirlemek için yapay zeka tabanlı yöntemler kullanabilirler ve karşılığında, bu mega yapıların nasıl oluştuğunun arkasındaki "kuralları" yalnızca temelindeki genetik talimatlara bakarak ortaya çıkarabilirler .
AlphaFold'a benzer şekilde, "bütünleştirici modelleme, ”Henüz protein haritalamanın altın standardının yerini almaya hazır değil. Ama her zamankinden daha çok yakınız. Tekil proteinlerden meta-protein komplekslerine kadar, biyolojik Görünmez Adamı doğru şekilde görselleştirmek için artık daha hızlı, daha basit ve daha ucuz yollara sahibiz. Yapay zeka ve biyolojinin birlikte çalışmasıyla, protein katlanması, bizim neslimizdeki tıp için ilk büyük atılım olabilir.
"AlphaFold, bugüne kadarki en önemli ilerlemelerden biri" yazdı DeepMind ekibi. [İlerleme] "Yapay zekanın, bilimsel bilginin sınırlarını genişletmede insanlığın en yararlı araçlarından biri olacağına dair bize daha fazla güven veriyor ve önümüzdeki uzun yıllar boyunca sıkı çalışma ve keşif için sabırsızlanıyoruz!"
Resim Kredi: fdecomite / flickr
