DeepMind er klar til å transformere biologiske vitenskaper ved å løse protein-folding-problemet

Googles AI-avdeling DeepMind har nylig gjort betydelig fremgang i løsningen av ett av de eldste problemene i biologi, å beregne formen på et protein fra en aminosyresekvens. Ifølge Nature har gjennombruddet potensialet til å transformere feltene biologi og kjemi, og å enable forskere til å bestemme funksjonen til mange proteiner som for tiden er mystiske.

Formen på et protein definerer dess funksjon, og de fleste biologiske funksjoner er avhengige av proteiner. “Protein-folding” er navnet gitt til prosessen som konverterer kjeder av aminosyrer til de tredimensjonale strukturer proteinene trenger for å utføre sine funksjoner. Hvis forskere kan bestemme relasjonen mellom aminosyresekvenser og formen på proteinene de genererer, kan de bestemme hvilke proteiner som påvirker ulike biologiske prosesser.

Forskere antar at det finnes minst 80 000 proteiner i det menneskelige proteomet, men bare en liten fraksjon av disse proteinene har kjente strukturer. Den tradisjonelle metoden for å bestemme formen på et protein kan ta år med laboratorieeksperimenter, selv med hjelp av datamaskinalgoritmer og modeller. Arbeidet gjort av DeepMind kan dramatisk øke hastigheten på oppdagelsen av proteinstrukturer, og pålitelig bestemme strukturen til proteiner på en brøkdel av den normale tiden.

Forskere ved DeepMind trente sine algoritmer på en database bestående av omtrent 170 000 proteinsekvenser og formene som korresponderer med disse sekvensene. Algoritmene utviklet av forskerne ble trent på mellom 100 og 200 GPU-er, og treningsprosessen tok noen uker å fullføre. Modellen utviklet av forskerne ble kalt “AlphaFold”.

AlphaFold opererer gjennom en “tensjonsalgoritme”, som starter med å koble sammen små deler av proteinet og deretter skalerer opp for å koble sammen større og større seksjoner. Små aminosyrekluster ble koblet sammen først, og deretter søkte algoritmen etter måter å koble disse klusterne på.

AlphaFold-forskerne prøvde først å bruke konvensjonelle dyplæringalgoritmer på genetisk og strukturdata for å forutsi relasjonen mellom aminosyrer og proteiner. AlphaFold lagde deretter konsensusmodeller for stilene på proteinene. Når denne teknikken viste seg å ha for mange begrensninger, prøvde forskerne en ny strategi. AlphaFold-forskningsgruppen lagde modeller trent på flere egenskaper, og denne gangen returnerte modellen forutsigelser for den endelige strukturen til proteinsekvensene.

Ingengiørteamet stress-testet AlphaFold ved å delta i en konkurranse hvor datamaskinalgoritmer konkurrerer om å vurdere strukturen til et protein fra aminosyresekvenser. Konkurransen var “Critical Assessment of Protein Structure Prediction” eller CASP. Deltagere i konkurransen får 100 aminosyresekvenser, og deres modeller må arbeide ut strukturen til proteinene. Ikke bare slo AlphaFold ut de andre datamaskinmodellene i nøjaktighet, men det utførte også sammenlignbare med de tradisjonelle, laboratoriebaserte modellteknikkene. AlphaFolds medianpoeng var omtrent 92 av 100, med laboratoriebaserte eksperimentelle metoder som fikk en poengsum på 90. AlphaFolds medianpoeng falt til 87 prosent på de mest vanskelige proteinene.

Ifølge DeepMind-sjef og medgrunnlegger Demis Hassabis planlegger selskapet allerede å gi forskere tilgang til AlphaFold, med forskere fra Max Planck-instituttet for utviklingsbiologi som allerede bruker modellen til å oppdage proteinstrukturer de har arbeidet med i over ett tiår.

Janet Thornton, direktør emeritus ved European Bioinformatics Institute, ble sitert via ScienceMag som sier at DeepMinds prestasjon “vil endre fremtiden for strukturell biologi og protein-forskning”. I mellomtiden sier biologen ved University of Maryland, Shady Grove, John Moult at han aldri trodde protein-folding-problemet ville bli løst i denne livstiden.

Mens AlphaFold er svært usannsynlig å fullstendig erstatte tradisjonelle, eksperimentelle metoder for å oppdage proteinstrukturer, kan det dramatisk øke hastigheten på oppdagelsen av proteinstrukturer. Forskere kan kreve mindre høykvalitets eksperimentelle data for å bestemme en proteinstruktur, og forskere har allerede tilgang til en stor mengde genomisk data som kan oversettes til strukturer ved hjelp av AlphaFolds løsninger.