Ένα δίκτυο τεχνητής νοημοσύνης (artificial intelligence, AI) που αναπτύχθηκε από την εταιρία της Google, την DeepMind, έκανε ένα τεράστιο άλμα στην επίλυση μιας από τις μεγαλύτερες προκλήσεις της βιολογίας – προσδιορίζοντας την τρισδιάστατη δομή μιας πρωτεΐνης από την ακολουθία των αμινοξέων της.
Το πρόγραμμα της DeepMind, που ονομάζεται AlphaFold, ξεπέρασε 100 άλλες ομάδες σε μια διετή πρόκληση για την πρόβλεψη της δομής των πρωτεϊνών. Αυτή η απόφαση πάρθηκε από την CASP, συντομογραφία για το Critical Assessment of Structure Prediction. Τα αποτελέσματα ανακοινώθηκαν στις 30 Νοεμβρίου, στην αρχή του συνεδρίου.
Η ικανότητα της ακριβούς πρόβλεψης των πρωτεϊνικών δομών από την αλληλουχία των αμινοξέων τους είναι τεράστιο όφελος για τις βιοεπιστήμες και την ιατρική. Επίσης, επιταχύνει σε μεγάλο βαθμό τις προσπάθειες κατανόησης των δομικών στοιχείων των κυττάρων. Ενώ επιτρέπει και την ταχύτερη και πιο προηγμένη ανακάλυψη φαρμάκων.
Οι πρωτεΐνες είναι τα δομικά στοιχεία της ζωής, υπεύθυνες για το μεγαλύτερο μέρος “του τι συμβαίνει” μέσα στα κύτταρα. Η ερώτηση πώς λειτουργεί μια πρωτεΐνη και πώς καθορίζεται από την τρισδιάστατη δομής της αποτελεί αξίωμα της μοριακής βιολογίας. Οι πρωτεΐνες τείνουν να υιοθετούν τη δομή τους χωρίς βοήθεια, καθοδηγούμενες μόνο από τους νόμους της φυσικής.
Για δεκαετίες, τα εργαστηριακά πειράματα ήταν ο κύριος τρόπος για να πάρουμε καλές πρωτεϊνικές δομές. Οι πρώτες πλήρεις δομές πρωτεϊνών προσδιορίστηκαν, ξεκινώντας από τη δεκαετία του 1950. Η τεχνική που χρησιμοποιήθηκε περιλάμβανε ακτίνες Χ όπου προσκρούονταν σε κρυσταλλωμένες πρωτεΐνες. Στη συνέχεια, το περίθλαστο φως μεταφραζόταν σε ατομικές συντεταγμένες μιας πρωτεΐνης. Η κρυσταλλογραφία ακτίνων Χ συνείσφερε αρκετά στη δομή των πρωτεϊνών. Όμως, την τελευταία δεκαετία, η κρυογενική ηλεκτρομικροσκοπία (cryo-EM) έχει γίνει το αγαπημένο εργαλείο πολλών εργαστηρίων δομικής-βιολογίας.
Η δοκιμή που πέρασε το AlphaFold ουσιαστικά δείχνει ότι η AI μπορεί να καταλάβει σωστά, με πολύ υψηλό βαθμό ακρίβειας, τη δομή των πρωτεϊνών σε λίγες μόνο ημέρες. Μια πολύ περίπλοκη εργασία που είναι ζωτικής σημασίας για να καταλάβουμε πώς μπορούν να αντιμετωπιστούν καλύτερα οι ασθένειες, καθώς και για την επίλυση άλλων μεγάλων προβλημάτων. Π.χ., για να βρούμε τον καλύτερο τρόπο για την καταστροφή οικολογικά επικίνδυνων υλικών όπως τοξικών αποβλήτων.
Η προσέγγιση της DeepMind περιλαμβάνει τη χρήση ενός «συστήματος νευρωνικών δικτύων». Επίσης, είναι σε θέση να βελτιώνει συνεχώς το δικό του προγνωστικό γράφημα για πιθανά αποτελέσματα αναδίπλωσης πρωτεϊνών με βάση το ιστορικό αναδίπλωσής τους. Ως αποτέλεσμα παρέχει εξαιρετικά ακριβείς προβλέψεις.
Στις αρχές του 2020, η εταιρεία κυκλοφόρησε προβλέψεις για τις δομές των πρωτεϊνών του SARS-CoV-2. Αξίζει να σημειωθεί ότι δεν είχαν ακόμη προσδιοριστεί πειραματικά. Οι προβλέψεις μέσω της DeepMind για μια πρωτεΐνη που ονομάζεται Orf3a κατέληξαν να είναι αρκετά παρόμοιες με εκείνες που καθορίστηκαν αργότερα μέσω cryo-EM.
Πηγή: https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
