Arts Universe and Philology

Arts Universe and Philology
The blog "Art, Universe, and Philology" is an online platform dedicated to the promotion and exploration of art, science, and philology. Its owner, Konstantinos Vakouftsis, shares his thoughts, analyses, and passion for culture, the universe, and literature with his readers.

Τρίτη 1 Δεκεμβρίου 2020

Λύθηκε με τη βοήθεια της τεχνητής νοημοσύνης ένα μυστήριο της βιολογίας σχετικά με τη δομή των πρωτεϊνών. ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures

Το επίτευγμα, που χαρακτηρίσθηκε ορόσημο από τον επιστημονικό κόσμο, θα βοηθήσει στην καλύτερη κατανόηση διαφόρων ασθενειών και στην επιτάχυνση της ανάπτυξης νέων φαρμάκων, μεταξύ άλλων για την Covid-19. Inside every cell in your body, billions of tiny molecular machines are hard at work. They’re what allow your eyes to detect light, your neurons to fire, and the ‘instructions’ in your DNA to be read, which make you the unique person you are. Google’s deep-learning program for determining the 3D shapes of proteins stands to transform biology, say scientists. A protein’s function is determined by its 3D shape. Credit: DeepMind

Ένα σύστημα τεχνητής νοημοσύνης με την ονομασία AlphaFold, που αναπτύχθηκε από τη βρετανική εταιρεία DeepMind, θυγατρική της Google, κατάφερε για πρώτη φορά να λύσει ένα από τα μεγάλα μυστήρια της βιολογίας εδώ και δεκαετίες: να προβλέπει γρήγορα και με ακρίβεια πώς θα αναδιπλωθούν οι πρωτεΐνες, ποιο τρισδιάστατο σχήμα θα πάρουν και άρα ποια θα είναι η λειτουργία τους. Το επίτευγμα, που χαρακτηρίσθηκε ορόσημο από τον επιστημονικό κόσμο, θα βοηθήσει στην καλύτερη κατανόηση διαφόρων ασθενειών και στην επιτάχυνση της ανάπτυξης νέων φαρμάκων, μεταξύ άλλων για την Covid-19.

Source: DeepMind

Σε ένα σχετικό διαγωνισμό, το «έξυπνο» σύστημα AlphaFold νίκησε, καθώς μπόρεσε γρήγορα να προβλέψει σωστά τουλάχιστον τα δύο τρίτα της δομής των πρωτεϊνών, με βάση μόνο την αρχική αλληλουχία (αλυσίδα) των αμινοξέων τους, κάτι που για να το πετύχουν οι άνθρωποι, χρειάζονται δαπανηρές και χρονοβόρες διαδικασίες στο εργαστήριο. Μέσα σε λίγες μέρες, ο αλγόριθμος έκανε δουλειά που οι επιστήμονες θέλουν χρόνια στο εργαστήριο τους.

Two examples of protein targets in the free modelling category. AlphaFold predicts highly accurate structures measured against experimental result. Credit: DeepMind

«Έμεινα πραγματικά έκθαμβος, όταν το είδα. Δεν περίμενα ποτέ να το δω όσο ζούσα», δήλωσε ο δομικός βιολόγος δρ Τζον Μουλτ του Πανεπιστημίου του Μέριλαντ, ένας από τους διοργανωτές του διεθνούς επιστημονικού διαγωνισμού CASP (Critical Assessment of protein Structure Prediction), που ξεκίνησε το 2004 και γίνεται ανά διετία.

Join DeepMind Science Engineer Kathryn Tunyasuvunakool to explore the hidden world of proteins. These tiny molecular machines underpin every biological process in every living thing and each one has a unique 3D shape that determines how it works and what it does. But figuring out the exact structure of a protein is an expensive and often time-consuming process, meaning we only know the exact 3D structure of a tiny fraction of the 200m proteins known to science. Being able to accurately predict the shape of proteins could accelerate research in every field of biology. That could lead to important breakthroughs like finding new medicines or finding proteins and enzymes that break down industrial and plastic waste or efficiently capture carbon from the atmosphere.  Join Kathryn as she explains what protein folding is, why it's important and how our Artificial Intelligence system AlphaFold offers a solution to this grand scientific challenge. Credit: DeepMind

Οι δεκάδες χιλιάδες διαφορετικές πρωτεΐνες παίζουν ζωτικό ρόλο στην υγεία και στις ασθένειες του σώματος, καθώς τα κύτταρα φτιάχνονται από πρωτεΐνες, το πολύπλοκο σχήμα των οποίων παίζει σημαντικό ρόλο. Για παράδειγμα, ο κορονοϊός που προκαλεί τη νόσο Covid-19, εισδύει στα ανθρώπινα κύτταρα, επειδή μια προεξέχουσα πρωτεΐνη-ακίδα που διαθέτει, ταιριάζει δομικά -όπως το κλειδί σε μια κλειδαριά- με μια πρωτεΐνη-υποδοχέα στα κύτταρα μας.

Tο σχήμα κάθε πρωτεΐνης καθορίζεται από την αλληλουχία 20 διαφορετικών αμινοξέων, που σχηματίζουν αλυσίδες για να φτιάξουν τις πρωτεΐνες (για τη σχετική ανακάλυψη δόθηκε το 1972 το Νόμπελ στον Κρίστιαν Άνφινσεν). Είναι εύκολο για τους βιολόγους να «διαβάσουν» αυτή την αλληλουχία, καθώς καθορίζεται από το DNA που την κωδικοποιεί, αλλά σχεδόν αδύνατο -παρά τις προσπάθειες μισού αιώνα περίπου- να προβλεφθεί το σχήμα μιας πρωτεΐνης με βάση τα δεκάδες ή εκατοντάδες αμινοξέα της.

The inside story of the DeepMind team of scientists and engineers who created AlphaFold, an AI system that is recognised as a solution to "protein folding", a grand scientific challenge for more than 50 years. Credit: DeepMind

Μέχρι σήμερα οι επιστήμονες καταφεύγουν σε πειραματικές τεχνικές, όπως η κρυσταλλογραφία ακτίνων-Χ, η μικροσκοπία κρυο-ηλεκτρονίων και η φασματοσκοπία MMR, που όμως είναι πάρα πολύ δύσκολες, καθώς χρειάζονται μήνες ή χρόνια και δεν δουλεύουν πάντα σωστά. Όμως το νέο σύστημα βαθιάς μάθησης AlphaFold, που άρχισε να δοκιμάζεται το 2018 και έκτοτε βελτιώθηκε σημαντικά, μπορεί πλέον να συσχετίσει κάθε αλληλουχία αμινοξέων με μια διαφορετική πρωτεϊνική δομή. Πάντως έχει ακόμη περιθώρια βελτίωσης, καθώς π.χ. δεν τα πάει τόσο καλά με τις πρωτεΐνες των οποίων η δομή επηρεάζεται από αλληλεπιδράσεις με άλλες πρωτεΐνες.

Όπως δήλωσε ο εξελικτικός βιολόγος Αντρέι Λούπας του γερμανικού Ινστιτούτου Αναπτυξιακής Βιολογίας Μαξ Πλανκ, τα επόμενα λίγα χρόνια οι ερευνητές θα συνεχίσουν να «τσεκάρουν» οι ίδιοι την ακρίβεια των προβλέψεων του AlphaFold, αλλά μετά θα εξαρτιούνται αποκλειστικά από τους υπολογισμούς της τεχνητής νοημοσύνης. Όπως είπε, η πραγματική επανάσταση θα συμβεί, όταν πλέον οι επιστήμονες θα μπορούν να χρησιμοποιούν μόνο τους υπολογιστές για να προβλέπουν πώς οι πρωτεΐνες αλληλεπιδρούν με άλλα μόρια. «Αυτό θα αλλάξει τελείως το πρόσωπο της ιατρικής», εκτίμησε.

Ήδη, για παράδειγμα, ο αλγόριθμος AlphaFold προέβλεψε σωστά τα σχήματα αρκετών πρωτεϊνών του κορονοϊού SARS-CoV-2. Στο μέλλον θα έχει πιθανώς την ικανότητα να προβλέπει ποια από τα χιλιάδες υπάρχοντα φάρμακα προσδένονται σωστά σε αυτές τις πρωτεΐνες, άρα μπορεί να έχουν θεραπευτική δράση, χωρίς να χρειάζεται οι επιστήμονες να κάνουν πανάκριβα και πολύπλοκα πειράματα όπως τώρα.

Demis Hassabis, DeepMind’s chief executive, says that the company is learning what biologists want from AlphaFold. Credit: OLI SCARFF/AFP/Getty

Προς το παρόν, σύμφωνα με το "New Scientist", το BBC και το "Science", οι δημιουργοί του AlphaFold δεν έχουν αποκαλύψει πολλές λεπτομέρειες για το σύστημα τους, αλλά δήλωσαν ότι σύντομα θα κάνουν σχετική επιστημονική δημοσίευση. Η DeepMind δεν έχει ακόμη διευκρινίσει με ποιο τρόπο οι επιστήμονες σε όλο τον κόσμο θα μπορούν να αξιοποιήσουν το νέο σύστημα, αλλά υποσχέθηκε να διασφαλίσει ευρεία πρόσβαση.

Πηγές: deepmind.com/blog/article/alph … challenge-in-biology - https://www.nature.com/articles/d41586-020-03348-4 - https://www.amna.gr/home/article/510180/Luthike-me-ti-boitheia-tis-technitis-noimosunis-ena-mustirio-tis-biologias-schetika-me-ti-domi-ton-proteinon