Відділ DeepMind готується революціонізувати біологічні науки, розв’язавши проблему складання білків

Відділ штучного інтелекту Google DeepMind недавно домінував у прогресі у розв’язанні однієї з найдавніших проблем біології, розрахуванні форми білка з амінокислотної послідовності. За даними Nature, цей прорив має потенціал трансформувати галузі біології та хімії, дозволяючи вченим визначити функцію багатьох білків, які зараз залишаються загадковими.

Форма білка визначає його функцію, а більшість біологічних функцій залежать від білків. “Складання білка” – це назва процесу, який перетворює ланцюги амінокислот у триступеневі структури, необхідні білкам для виконання своїх функцій. Якщо вчені зможуть визначити зв’язок між амінокислотними послідовностями та формою білків, які вони генерують, вони зможуть визначити, які білки впливають на різні біологічні процеси.

Вчені гіпотезують, що існує щонайменше 80 000 білків у людському протеомі, але лише мала частина цих білків має відомі структури. Традиційний метод визначення форми білка може тривати роками лабораторних експериментів, навіть з використанням потужності алгоритмів та моделей комп’ютерної науки. Робота, виконана DeepMind, може суттєво прискорити процес відкриття структур білків, надійно визначаючи структуру білків за фракцію нормального часу.

Вчені з DeepMind навчали свої алгоритми на базі даних, що складається з приблизно 170 000 білкових послідовностей та форм, що відповідають цим послідовностям. Алгоритми, розроблені дослідниками, були навчені на між 100 та 200 графічних процесорах, а процес навчання тривав кілька тижнів. Модель, розроблена дослідниками, була названа “AlphaFold”.

AlphaFold працює через “алгоритм напруження”, починаючи з’єднуючи малі частини білка разом, а потім масштабуючи до з’єднання більших та більших секцій. Спочатку були пов’язані малі кластери амінокислот, а потім алгоритм шукав способи з’єднання цих кластерів.

Дослідники AlphaFold спочатку спробували використовувати традиційні алгоритми глибокого навчання на генетичних та структурних даних для передбачення зв’язку між амінокислотами та білками. AlphaFold потім створила консенсусні моделі для стилю білків. Коли цей метод виявився обмеженим, дослідники спробували нову стратегію. Команда дослідників AlphaFold створила моделі, навчені на більшій кількості ознак, і цього разу вони мали модель, яка повертала передбачення для кінцевої структури білкових послідовностей.

Інженерна команда тестувала AlphaFold, вступаючи в змагання, де комп’ютерні алгоритми конкурують за оцінку структури білка з амінокислотних послідовностей. Змагання було “Критичною оцінкою передбачення структури білка” або CASP. Учасникам змагання надаються 100 амінокислотних послідовностей, і їхні моделі повинні визначити структуру білків. Не тільки AlphaFold перемогла інші комп’ютерні моделі за точністю, але також виконувала порівняно з традиційними лабораторними методами моделювання. Останній, медіанний бал AlphaFold був приблизно 92 з 100, а лабораторні експериментальні методи мали бал 90. Медіанний бал AlphaFold впав до 87 відсотків на найбільш складних білках.

За словами генерального директора та співзасновника DeepMind Деміса Хассабіса, компанія вже планує надати дослідникам доступ до AlphaFold, а вчені з Інституту біології розвитку імені Макса Планка вже використовують модель для відкриття структур білків, над якими вони працювали понад десяти років.

Джанет Торнтон, директор Інституту біоінформатики Європи, цитується у ScienceMag як сказавши, що досягнення DeepMind “змінить майбутнє структурної біології та дослідження білків”. Тоді як біолог Університету Меріленда, Шейді Гроув, Джон Мульт сказав, що він ніколи не думав, що проблема складання білка буде розв’язана за його життя.

Хоча AlphaFold малоймовірно повністю замінить традиційні експериментальні методи відкриття структур білків, вона могла б суттєво збільшити швидкість відкриття структур білків. Дослідникам може знадобитися менше високоякісних експериментальних даних для визначення структури білка, а дослідникам вже доступна велика кількість геномних даних, які можна перекласти у структури за допомогою рішень AlphaFold.