Proteinwissenschaftler und KI im Wettstreit

Ein Team von Proteinwissenschaftlern an der Rutgers University trat gegen ein Computerprogramm an.

Spoiler-Alarm: Die KI gewann. Aber nur knapp.

Menschen gegen KI

Wissenschaftler entschieden sich, ein Experiment durchzuführen, bei dem ein Mensch mit tiefem Verständnis für Protein-Design und Selbstassemblierung gegen ein künstlich intelligentes Computerprogramm mit Vorhersagefähigkeiten antrat. An erster Stelle der Liste potenzieller Wissenschaftler stand Vikas Nanda, ein Forscher am Center for Advanced Biotechnology and Medicine (CABM) an der Rutgers.

Das Experiment sollte zeigen, ob der Mensch oder die KI besser darin war, vorherzusagen, welche Proteinsequenzen am erfolgreichsten kombiniert werden könnten.

Die Ergebnisse wurden in Nature Chemistry veröffentlicht.

Nanda, Forscher am Argonne National Laboratory in Illinois, und verschiedene Kollegen in den USA sagten, dass der Wettbewerb “knapp, aber entscheidend” war. Der Wettbewerb brachte Nanda und mehrere Kollegen gegen das KI-Programm, das mit einem kleinen Vorsprung gewann.

Wissenschaftler suchen nach mehr Wissen über die Selbstassemblierung von Proteinen, da sie glauben, dass sie durch ein besseres Verständnis neue und innovative Produkte für medizinische und industrielle Anwendungen entwerfen könnten. Eines dieser Produkte könnte künstliches menschliches Gewebe für Wunden sein, während ein anderes Katalysatoren für neue chemische Produkte sein könnte.

Nanda ist Professor am Department of Biochemistry and Molecular Biology an der Rutgers Robert Wood Johnson Medical School.

“Trotz unserer umfassenden Expertise war die KI genauso gut oder sogar besser in mehreren Datensätzen, was das enorme Potenzial des maschinellen Lernens zeigt, um menschliche Vorurteile zu überwinden”, sagte Nanda.

Protein-Design und Selbstassemblierung

Proteine bestehen aus großen Mengen an Aminosäuren, die von Ende zu Ende verbunden sind, und die Ketten falten sich zu dreidimensionalen Molekülen mit komplexen Formen zusammen. Die Form jedes Proteins und die Aminosäuren, die es enthält, bestimmen sein Verhalten. Forscher wie Nanda sind an der “Protein-Design” beteiligt, was bedeutet, dass sie Sequenzen erstellen, die neue Proteine produzieren. Das Team hat kürzlich ein synthetisches Protein entworfen, das schnell das gefährliche Nervengas VX erkennen kann. Diese neue Entwicklung könnte große Auswirkungen auf neue Biosensoren und Behandlungen haben.

Proteine assemblieren sich selbst mit anderen Proteinen zu Superstrukturen, die in der Biologie wichtig sind. In einigen Fällen scheint es, als ob Proteine einem Design folgen, wie zum Beispiel, wenn sie sich selbst in eine schützende Außenhülle eines Virus assemblieren. Manchmal assemblieren sie sich selbst, wenn sie biologische Strukturen bilden, die mit bestimmten Krankheiten assoziiert sind.

“Das Verständnis der Selbstassemblierung von Proteinen ist fundamental, um Fortschritte in vielen Bereichen, einschließlich Medizin und Industrie, zu machen”, sagte Nanda.

Nanda und fünf andere Kollegen erhielten eine Liste von Proteinen und wurden gebeten, vorherzusagen, welche davon wahrscheinlich selbstassemblieren würden. Die Vorhersagen wurden dann mit denen des Computerprogramms verglichen.

Die menschlichen Experten verwendeten Faustregeln, die auf ihrer Beobachtung des Proteinverhaltens in Experimenten basierten, einschließlich Muster von elektrischen Ladungen und Grad der Abneigung gegen Wasser. Sie wählten 11 Proteine aus, die sie vorhersagten, sich selbstassemblieren würden, während die KI neun Proteine wählte.

Ihr Experiment zeigte, dass die Menschen sechs richtige Vorhersagen von den 11 Proteinen machten, während das Computerprogramm neun Proteine wählte.

Das Experiment zeigte auch, dass die menschlichen Experten bestimmte Aminosäuren anderen vorzogen, was zu falschen Auswahlentscheidungen führte. Die KI wählte korrekt einige Proteine mit Eigenschaften, die nicht offensichtlich waren.

“Wir arbeiten daran, ein grundlegendes Verständnis der chemischen Natur der Wechselwirkungen zu erlangen, die zur Selbstassemblierung führen, also war ich besorgt, dass die Verwendung dieser Programme wichtige Erkenntnisse verhindern könnte”, sagte Nanda. “Aber was ich langsam wirklich verstehe, ist, dass maschinelles Lernen nur ein weiteres Werkzeug ist, wie jedes andere.”