DeepMind er parat til at forandre biologiske videnskaber ved at løse protein-foldningsproblemet

Googles AI-afdeling DeepMind har nylig gjort betydelig fremgang i løsningen af en af de ældste udfordringer i biologi, beregning af formen på et protein fra en aminosyresekvens. Ifølge Nature har gennembruddet potentialet til at forandre felterne biologi og kemi, og giver videnskabsmænd mulighed for at bestemme funktionen af mange proteiner, der i øjeblikket er mystiske.

Formen på et protein definerer dets funktion, og de fleste biologiske funktioner er afhængige af proteiner. “Protein-folding” er navnet på processen, der omdanner kæder af aminosyrer til de tredimensionale strukturer, proteinerne kræver for at udføre deres funktioner. Hvis videnskabsmænd kan bestemme forholdet mellem aminosyresekvenser og formen på de proteiner, de genererer, kan de bestemme, hvilke proteiner påvirker forskellige biologiske processer.

Videnskabsmænd formoder, at der er mindst 80.000 proteiner i det humane proteom, men kun en lille fraktion af disse proteiner har kendte strukturer. Den traditionelle metode til at bestemme formen på et protein kan tage år af laboratorieeksperimenter, selv med hjælp af computeralgoritmer og -modeller. Arbejdet udført af DeepMind kan dramatisk accelerere processen med at opdage proteinstrukturer, og kan pålideligt bestemme strukturen af proteiner på en brøkdel af den normale tid.

Forskere ved DeepMind trænede deres algoritmer på en database bestående af ca. 170.000 proteinsekvenser og de former, der svarer til disse sekvenser. Algoritmernes udvikling af forskerne blev trænet på mellem 100 og 200 GPU’er, og træningsprocessen tog få uger at fuldføre. Modellen, der blev udviklet af forskerne, blev kaldt “AlphaFold”.

AlphaFold opererer gennem en “spændingsalgoritme”, der starter med at forbinde små dele af proteinet sammen og derefter skalerer op for at forbinde større og større dele. Små aminosyrekluster blev forbundet sammen først, og derefter søgte algoritmen efter måder at forbinde disse kluster på.

AlphaFold-forskere prøvede først at bruge konventionelle dybe læringsalgoritmer på genetisk og strukturel data for at forudsige forholdet mellem aminosyrer og proteiner. AlphaFold skabte herefter konsensusmodeller for proteinernes struktur. Da denne teknik viste sig at have for mange begrænsninger, prøvede forskerne en ny strategi. AlphaFold-forskningsholdet skabte modeller, der var trænet på flere funktioner, og denne gang returnerede modellen forudsigelser for den endelige struktur af proteinsekvenserne.

Det tekniske team testede AlphaFold ved at indsende den i en konkurrence, hvor computeralgoritmer konkurrerer om at vurdere strukturen af et protein fra aminosyresekvenser. Konkurrencen var “Critical Assessment of Protein Structure Prediction” eller CASP. Deltagerne i konkurrencen får 100 aminosyresekvenser, og deres modeller skal arbejde ud strukturen af proteinerne. AlphaFold overgik ikke kun de andre computermodeller i nøjagtighed, men opnåede også en præstation, der var sammenlignelig med de traditionelle, laboratoriebaserede modelleringsteknikker. AlphaFolds endelige, median-score var ca. 92 ud af 100, og laboratoriebaserede eksperimentelle metoder fik en score på 90. AlphaFolds median-score faldt til 87 procent på de sværeste proteiner.

Ifølge DeepMind’s administrerende direktør og medstifter Demis Hassabis planlægger virksomheden allerede at give forskerne adgang til AlphaFold, og forskere fra Max Planck-instituttet for udviklingsbiologi bruger allerede modellen til at opdage proteinstrukturer, de har arbejdet på i over et årti.

Janet Thornton, direktør for European Bioinformatics Institute, citeres via ScienceMag som siger, at DeepMinds præstationer “vil ændre fremtiden for strukturel biologi og protein-forskning”. Imens siger biologen ved University of Maryland, Shady Grove, John Moult, at han aldrig troede, at protein-folding-problemet ville blive løst i denne livstid.

Mens AlphaFold er meget usandsynligt at helt erstatte traditionelle, eksperimentelle metoder til at opdage proteinstrukturer, kunne det dramatisk øge hastigheden, hvormed proteinstrukturer opdages. Forskere kan kræve mindre højkvalitets-eksperimentelle data for at bestemme en proteinstruktur, og forskere har allerede adgang til en stor mængde genetisk data, der kan oversættes til strukturer ved hjælp af AlphaFolds løsninger.