DeepMind bereitet sich darauf vor, die biologischen Wissenschaften durch die Lösung des Protein-Faltung-Problems zu revolutionieren

Die AI-Abteilung von Google (GOOGL ), DeepMind, hat kürzlich erhebliche Fortschritte bei der Lösung einer der ältesten Herausforderungen in der Biologie gemacht, nämlich die Berechnung der Form eines Proteins aus einer Aminosäure-Sequenz. Laut Nature hat der Durchbruch das Potenzial, die Felder der Biologie und Chemie zu revolutionieren und es Wissenschaftlern zu ermöglichen, die Funktion vieler Proteine zu bestimmen, die derzeit noch mysteriös sind.

Die Form eines Proteins definiert seine Funktion, und die meisten biologischen Funktionen sind von Proteinen abhängig. “Protein-Faltung” ist der Name, der dem Prozess gegeben wird, der Aminosäure-Ketten in die dreidimensionalen Strukturen umwandelt, die Proteine benötigen, um ihre Funktionen auszuführen. Wenn Wissenschaftler die Beziehung zwischen Aminosäure-Sequenzen und der Form der Proteine bestimmen können, die sie erzeugen, können sie bestimmen, welche Proteine welche biologischen Prozesse beeinflussen.

Wissenschaftler vermuten, dass es im menschlichen Proteom mindestens 80.000 Proteine gibt, aber nur ein kleiner Bruchteil dieser Proteine hat bekannte Strukturen. Die traditionelle Methode, die Form eines Proteins zu bestimmen, kann Jahre von Labor-Experimenten dauern, selbst wenn man die Macht von Computer-Science-Algorithmen und -Modellen nutzt. Die Arbeit, die von DeepMind geleistet wurde, kann den Prozess der Entdeckung von Protein-Strukturen dramatisch beschleunigen und die Struktur von Proteinen in einem Bruchteil der normalen Zeit zuverlässig bestimmen.

Forscher bei DeepMind trainierten ihre Algorithmen auf einer Datenbank, die etwa 170.000 Protein-Sequenzen und die entsprechenden Formen umfasst. Die von den Forschern entwickelten Algorithmen wurden auf zwischen 100 und 200 GPUs trainiert, und der Trainingsprozess dauerte einige Wochen. Das von den Forschern entwickelte Modell wurde “AlphaFold” genannt.

AlphaFold funktioniert durch einen “Spannungs-Algorithmus”, der damit beginnt, kleine Teile des Proteins zusammenzufügen und dann auf größere und größere Abschnitte skaliert. Kleine Aminosäure-Cluster wurden zunächst miteinander verknüpft, und dann suchte der Algorithmus nach Möglichkeiten, diese Cluster zu verknüpfen.

Die AlphaFold-Forscher versuchten zunächst, konventionelle Deep-Learning-Algorithmen auf genetische und strukturelle Daten anzuwenden, um die Beziehung zwischen Aminosäuren und Proteinen vorherzusagen. AlphaFold erstellte dann Konsens-Modelle für den Stil der Proteine. Als diese Technik sich als zu begrenzt erwies, versuchten die Forscher eine neue Strategie. Das AlphaFold-Forschungsteam erstellte Modelle, die auf mehr Funktionen trainiert wurden, und dieses Mal musste das Modell Vorhersagen für die endgültige Struktur der Protein-Sequenzen liefern.

Das Engineering-Team testete AlphaFold, indem es es in einem Wettbewerb einsetzte, bei dem Computer-Algorithmen konkurrieren, um die Struktur eines Proteins aus Aminosäure-Sequenzen zu bewerten. Der Wettbewerb war die “Kritische Bewertung der Protein-Struktur-Vorhersage” oder CASP. Den Teilnehmern des Wettbewerbs werden 100 Aminosäure-Sequenzen zur Verfügung gestellt, und ihre Modelle müssen die Struktur der Proteine herausfinden. AlphaFold übertraf nicht nur die anderen Computer-Modelle in Bezug auf Genauigkeit, sondern erzielte auch Ergebnisse, die mit den traditionellen, laborbasierten Modellierungstechniken vergleichbar waren. AlphaFolds endgültiger, medianer Score lag bei etwa 92 von 100, während laborbasierte experimentelle Methoden einen Score von 90 erhielten. AlphaFolds medianer Score sank auf 87 Prozent bei den schwierigsten Proteinen.

Laut DeepMind-CEO und Mitgründer Demis Hassabis plant das Unternehmen bereits, Forschern Zugang zu AlphaFold zu gewähren, und Wissenschaftler vom Max-Planck-Institut für Entwicklungsbiologie nutzen das Modell bereits, um Protein-Strukturen zu entdecken, an denen sie über ein Jahrzehnt gearbeitet haben.

Janet Thornton, die Direktorin des European Bioinformatics Institute, wurde von ScienceMag zitiert als sagend, dass DeepMinds Errungenschaften “die Zukunft der Strukturbiologie und der Protein-Forschung verändern werden”. Währenddessen sagt der Biologe an der University of Maryland, Shady Grove, John Moult, dass er nie dachte, dass das Protein-Faltung-Problem in diesem Leben gelöst werden würde.

Obwohl AlphaFold höchstwahrscheinlich die traditionellen, experimentellen Methoden der Entdeckung von Protein-Strukturen nicht vollständig ersetzen wird, könnte es die Geschwindigkeit, mit der Protein-Strukturen entdeckt werden, dramatisch erhöhen. Forscher könnten weniger hochwertige experimentelle Daten benötigen, um eine Protein-Struktur zu bestimmen, und Forscher haben bereits Zugang zu einer großen Menge an genomischen Daten, die mithilfe von AlphaFolds Lösungen in Strukturen übersetzt werden könnten.