DeepMinds förberedd att förvandla biologiska vetenskaper genom att lösa proteinveckningsproblemet

Googles AI-avdelning DeepMind har nyligen gjort betydande framsteg mot att lösa en av de äldsta utmaningarna inom biologi, att beräkna formen på ett protein från en aminosyrasekvens. Enligt Nature har genombrottet potentialen att förvandla fälten biologi och kemi, och möjliggöra för forskare att bestämma funktionen hos många proteiner som för närvarande är okända.

Formen på ett protein definierar dess funktion, och de flesta biologiska funktionerna är beroende av proteiner. “Proteinveckning” är namnet som ges till processen som omvandlar kedjor av aminosyror till de tredimensionella strukturer som proteiner kräver för att utföra sina funktioner. Om forskare kan bestämma relationen mellan aminosyrasekvenser och formen på de proteiner som de genererar, kan de bestämma vilka proteiner som påverkar olika biologiska processer.

Forskare hypoteserar att det finns minst 80 000 proteiner inom den mänskliga proteomen, men endast en liten bråkdel av dessa proteiner har kända strukturer. Den traditionella metoden för att bestämma formen på ett protein kan ta år av laboratorieexperiment, även med hjälp av datormodeller och algoritmer. Arbetet som utförts av DeepMind kan dramatiskt påskynda processen att upptäcka proteinstrukturer, och tillförlitligt bestämma strukturen på proteiner på en bråkdel av den normala tiden.

Forskare på DeepMind tränade sina algoritmer på en databas som bestod av cirka 170 000 proteinsekvenser och de former som motsvarade dessa sekvenser. Algoritmerna som utvecklades av forskarna tränades på mellan 100 till 200 GPU:er, och träningsprocessen tog några veckor att slutföra. Modellen som utvecklades av forskarna kallades “AlphaFold”.

AlphaFold fungerar genom en “spänning-algoritm”, som börjar med att koppla ihop små delar av proteinet och sedan skalar upp för att koppla ihop större och större sektioner. Små aminosyra-kluster länkades ihop först, och sedan försökte algoritmen hitta sätt att länka ihop dessa kluster.

AlphaFold-forskarna försökte initialt använda konventionella djupa inlärningsalgoritmer på genetisk och strukturrelaterad data för att förutsäga relationen mellan aminosyror och proteiner. AlphaFold skapade sedan konsensusmodeller för proteinernas struktur. När denna teknik visade sig ha för många begränsningar, försökte forskarna en ny strategi. AlphaFold-forskningsgruppen skapade modeller som tränades på fler funktioner, och den här gången returnerade modellen förutsägelser för den slutliga strukturen på proteinsekvenserna.

Utvecklingsteamet testade AlphaFold genom att delta i en tävling där datoralgoritmer tävlar om att bedöma strukturen på ett protein från aminosyrasekvenser. Tävlingen var “Critical Assessment of Protein Structure Prediction” eller CASP. Deltagare i tävlingen får 100 aminosyrasekvenser, och deras modeller måste arbeta ut strukturen på proteinerna. Inte bara slog AlphaFold ut de andra datormodellerna i fråga om noggrannhet, utan den presterade också jämförbart med traditionella, laboratoriebaserade modelleringstekniker. AlphaFolds slutliga, medianpoäng var cirka 92 av 100, med laboratoriebaserade experimentella metoder som tilldelades en poäng på 90. AlphaFolds medianpoäng sjönk till 87 procent på de svåraste proteinerna.

Enligt DeepMind VD och medgrundare Demis Hassabis planerar företaget redan att ge forskare tillgång till AlphaFold, med forskare från Max Planck-institutet för utvecklingsbiologi som redan använder modellen för att upptäcka proteinstrukturer som de har arbetat med i över ett decennium.

Janet Thornton, direktör emeritus vid European Bioinformatics Institute, citerades via ScienceMag som sägande att DeepMinds prestationer “kommer att förändra framtiden för strukturell biologi och proteinforskning”. Samtidigt säger biologen vid University of Maryland, Shady Grove, John Moult att han aldrig trodde att proteinveckningsproblemet skulle lösas under hans livstid.

Medan AlphaFold är mycket osannolikt att helt ersätta traditionella, experimentella metoder för att upptäcka proteinstrukturer,

kan den dramatiskt öka hastigheten med vilken proteinstrukturer upptäcks. Forskare kan kräva mindre högkvalitativ experimentell data för att bestämma en proteinstruktur, och forskare har redan tillgång till en stor mängd genetisk data som kan översättas till strukturer med hjälp av AlphaFolds lösningar.