Протеинските научници и вештачката интелигенција одат глава до глава

Тим од протеински научници од Универзитетот Рутгерс се судрија против компјутерска програма. 

Предупредување за спојлер: вештачката интелигенција победи. Но само за влакно. 

Усогласување на луѓето против вештачката интелигенција

Научниците одлучија дека сакаат да спроведат експеримент кој одговара на човек со длабоко разбирање на дизајнот на протеини и самосклопување против вештачки интелигентна компјутерска програма со способности за предвидување. На врвот на листата на потенцијални научници беше Викас Нанда, истражувач во Центарот за напредна биотехнологија и медицина (CABM) во Рутгерс. 

Експериментот требаше да види дали човекот или вештачката интелигенција можат да направат подобра работа во предвидувањето кои протеински секвенци ќе се комбинираат најуспешно. 

Резултатите беа објавени во Хемија на природата.

Нанда, истражувачите од Националната лабораторија Аргон во Илиноис и разни колеги низ САД велат дека битката била „блиска, но одлучувачка“. Конкуренцијата ги стави Нанда и неколку колеги против програмата за вештачка интелигенција, која една со мала разлика. 

Научниците бараат повеќе знаење околу самосклопувањето на протеините, верувајќи дека со подобро разбирање, би можеле да дизајнираат нови и иновативни производи за медицинска и индустриска употреба. Еден од овие производи може да биде вештачко човечко ткиво за рани, додека друг може да биде катализатор за нови хемиски производи. 

Нанда е професорка на Катедрата за биохемија и молекуларна биологија на Медицинскиот факултет Рутгерс Роберт Вуд Џонсон. 

„И покрај нашата обемна експертиза, вештачката интелигенција беше добро или подобро во неколку групи податоци, покажувајќи го огромниот потенцијал на машинското учење за надминување на човечката пристрасност“, рече Нанда. 

Протеински дизајн и самосклопување

Протеините се состојат од голем број на аминокиселини споени крај до крај, а синџирите се преклопуваат за да формираат тродимензионални молекули со сложени форми. Обликот на секој протеин и аминокиселините содржани во него, го одредуваат неговото однесување. Истражувачите како Нанда се вклучени во „протеинскиот дизајн“, што значи дека создаваат секвенци кои произведуваат нови протеини. Тимот неодамна дизајнираше синтетички протеин кој може брзо да открие VX, опасен нервен агенс. Овој нов развој може да има големи импликации за новите биосензори и третмани. 

Протеините сами се собираат со други протеини за да формираат надградби кои се важни во биологијата. Во некои случаи, се чини дека протеините го следат дизајнот, како што е случајот кога тие сами се собираат во заштитна надворешна обвивка на вирусот. Други времиња, тие сами се собираат кога формираат биолошки структури поврзани со одредени болести. 

„Разбирањето на самосклопувањето на протеините е од фундаментално значење за постигнување напредок во многу области, вклучително и медицината и индустријата“, рече Нанда.

Нанда и уште пет колеги добија список со протеини и побараа да предвидат кои од нив веројатно сами ќе се соберат. Предвидувањата потоа беа споредени со оние на компјутерската програма. 

Човечките експерти користеле правила на палецот врз основа на нивното набљудување на однесувањето на протеините во експериментите, вклучувајќи модели на електрични полнежи и степен на аверзија кон вода. Тие избраа 11 протеини за кои предвидуваа дека ќе се соберат сами, додека вештачката интелигенција избра девет протеини. 

Нивниот експеримент покажа дека луѓето направиле шест точни предвидувања од 11-те протеини, додека компјутерската програма избрала девет. 

Експериментот исто така покажа дека човечките експерти „фаворизираат“ одредени аминокиселини пред други, што доведе до неточни избори. Вештачката интелигенција правилно избра некои протеини со квалитети што не ги направија очигледни. 

„Работиме на фундаментално разбирање за хемиската природа на интеракциите што водат до самосклопување, па затоа се загрижив дека користењето на овие програми ќе спречи важни сознанија“, рече Нанда. „Но, она што навистина почнав да го разбирам е дека машинското учење е само уште една алатка, како и секоја друга“.