️
Прорыв в решении “проблемы свертывания белка " может помочь нам понять болезнь и открыть новые лекарства.
DeepMind, исследовательская лаборатория искусственного интеллекта, которая была куплена Google и теперь является независимой частью материнской компании Google Alphabet, объявила на этой неделе о крупном прорыве, который один эволюционный биолог назвал “изменением игры".”
” Это изменит медицину", - сказал природе биолог Андрей Лупас . - Это изменит результаты исследований. Это изменит биоинженерию. Это все изменит.”
Прорыв: DeepMind говорит, что его система искусственного интеллекта AlphaFold решила “проблему свертывания белка " - грандиозную проблему биологии, которая досаждала ученым в течение 50 лет.
Белки - это основные механизмы, которые выполняют работу в ваших клетках. Они начинаются как цепочки аминокислот (представьте себе бусины на ожерелье), но вскоре складываются в уникальную трехмерную форму (представьте, что вы сжимаете ожерелье из бисера в руке).
Эта трехмерная форма имеет решающее значение, потому что она определяет, как работает белок. Если вы ученый, разрабатывающий новое лекарство, вы хотите знать форму белка, потому что это поможет вам придумать молекулу, которая может связываться с ним, вписываться в него, чтобы изменить его поведение. Проблема в том, что предсказать, какую форму примет белок, невероятно трудно.
Каждые два года исследователи, работающие над этой проблемой, пытаются доказать, насколько хороши их предсказательные способности, представляя прогноз о формах, которые будут принимать определенные белки. Их работы оцениваются на конференции Critical Assessment of Structure Prediction (CASP), которая в основном представляет собой причудливый научный конкурс для взрослых.
К 2018 году искусственный интеллект DeepMind уже превосходил всех в CASP, вызывая некоторые меланхолические чувства среди исследователей-людей. DeepMind забрал домой победу в том году, но это все еще не решило проблему свертывания белка. Даже близко нет.
В этом году, однако, его система AlphaFold была способна предсказать — с впечатляющей скоростью и точностью — в какую форму сложатся данные цепочки аминокислот. Искусственный интеллект не идеален, но он довольно велик: когда он делает ошибки, он обычно отстает только на ширину атома. Это сравнимо с ошибками, которые вы получаете, когда проводите физические эксперименты в лаборатории, за исключением того, что эти эксперименты намного медленнее и намного дороже.
” Это большое дело",-сказал Nature Джон Маулт, который является соучредителем и курирует CASP . - В каком-то смысле проблема решена.”
Почему это так важно для биологии
Технология AlphaFold все еще нуждается в доработке, но если предположить, что исследователи смогут это сделать, этот прорыв, вероятно, ускорит и улучшит нашу способность разрабатывать новые лекарства.
Давайте начнем со скорости. Чтобы понять, насколько AlphaFold может ускорить работу ученых, рассмотрим опыт Андрея Лупаса, эволюционного биолога из Института Макса Планка в Германии. Он провел там десять лет — десять лет! - пытаюсь выяснить форму одного белка. Но что бы он ни пытался сделать в лаборатории, ответ ускользал от него. Затем он попробовал Альфафолд, и через полчаса получил ответ.
AlphaFold имеет последствия для всего, от болезни Альцгеймера до будущих пандемий. Это может помочь нам понять болезни, так как многие из них (например, болезнь Альцгеймера) вызваны неправильно свернутыми белками. Это может помочь нам найти новые методы лечения, а также быстро определить, какие существующие лекарства могут быть с пользой применены, например, к новому вирусу. Когда начнется очередная пандемия, нам будет очень полезно иметь в заднем кармане такую систему, как AlphaFold.
“Мы могли бы начать скрининг каждого соединения, которое лицензировано для использования в организме человека”, - сказал Лупас газете "Нью-Йорк Таймс". “Мы можем столкнуться со следующей пандемией с теми лекарствами, которые у нас уже есть.”
Но для того, чтобы это стало возможным, DeepMind должен был бы поделиться своей технологией с учеными. В лаборатории говорят, что изучают способы сделать это.
Почему это так важно для искусственного интеллекта
За последние несколько лет DeepMind сделал себе имя, играя в игры. Он построил системы искусственного интеллекта, которые сокрушили профессиональных геймеров в стратегических играх, таких как StarCraft и Go. Подобно шахматным матчам между Deep Blue от IBM и Гарри Каспаровым, эти матчи в основном служили доказательством того, что DeepMind может создать искусственный интеллект, превосходящий человеческие способности.
Теперь DeepMind доказывает, что он вырос. Он перешел от игры в видеоигры к решению научных проблем, имеющих реальное значение,-проблем, которые могут быть вопросом жизни и смерти.
Проблема свертывания белка была идеальной вещью для решения. DeepMind является мировым лидером в создании нейронных сетей, типа искусственного интеллекта, слабо вдохновленного нейронами в человеческом мозге. Прелесть этого типа ИИ заключается в том, что он не требует от вас предварительной программы с большим количеством правил. Просто подавайте нейронной сети достаточное количество примеров чего-то, и она может научиться обнаруживать закономерности в данных, а затем делать выводы на основе этого.
Так, например, вы можете представить его со многими тысячами строк аминокислот и показать ему, в какую форму они складываются. Постепенно он обнаруживает закономерности в том, как заданные строки имеют тенденцию формироваться — закономерности, которые человеческие эксперты, возможно, не обнаружили. Оттуда он может делать предсказания о том, как будут складываться другие строки.
Это именно та проблема, в которой нейронные сети преуспевают, и DeepMind признал это, сочетая правильный тип ИИ с правильным типом головоломки. (Он также интегрировал некоторые более сложные знания — о физике и эволюционно связанных аминокислотных последовательностях, например — - хотя детали остаются скудными, поскольку DeepMind все еще готовит рецензируемую Статью для публикации.)
Другие лаборатории уже использовали возможности нейронных сетей для достижения прорывов в биологии. В начале этого года исследователи ИИ обучили нейронную сеть, предоставив ей данные о 2335 молекулах, которые, как известно, обладают антибактериальными свойствами. Затем они использовали его, чтобы предсказать, какие другие молекулы — из 107 миллионов возможных — также будут обладать этими свойствами. Таким образом, им удалось выявить совершенно новые виды антибиотиков.
Исследователи DeepMind завершают этот год еще одним достижением, которое показывает, насколько сильно созрел ИИ. Это действительно отличная новость для в целом ужасного 2020 года.